Buscar

APLICAÇÃO DA TEORIA DE FILAS E SIMULAÇÃO DE MONTE CARLO

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você viu 3, do total de 23 páginas

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você viu 6, do total de 23 páginas

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Você viu 9, do total de 23 páginas

Faça como milhares de estudantes: teste grátis o Passei Direto

Esse e outros conteúdos desbloqueados

16 milhões de materiais de várias disciplinas

Impressão de materiais

Agora você pode testar o

Passei Direto grátis

Prévia do material em texto

APLICAÇÃO DA TEORIA DE FILAS E 
SIMULAÇÃO DE MONTE CARLO EM 
UMA REDE DE FARMÁCIAS 
LOCALIZADA NO MUNICÍPIO DE 
CASTANHAL, PARÁ 
 
Keivison Pinto do Rosario (UEPA) 
keivison_r@hotmail.com 
Rafaela Lopes de Azevedo (UEPA) 
rafaelazevedo_@hotmail.com 
Bruna Gabrielly Teixeira da Silva (UEPA) 
bruna_gabrielly18@hotmail.com 
darley ferreira marcelino (UEPA) 
darleyferreira_13@live.com 
Daniela Pereira de oliveira (UEPA) 
danielaoliveiira@gmail.com 
 
 
 
Atualmente os segmentos farmacêuticos são estabelecimentos 
totalmente convidativos por possuírem em suas unidades a presença de 
medicamentos, cosméticos em geral, além de prestação de serviços à 
sociedade. Contudo, ao atrair mais clientes nota-se a ausência da 
preocupação no dimensionamento do local, resultando em filas e 
consequentemente na insatisfação do consumidor. Com isso, objetivou-
se neste artigo, demonstrar a aplicação da Teoria de Filas e da 
Simulação de Monte Carlo em uma rede de farmácias no município de 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
2 
Castanhal, no estado do Pará, cujos atributos pesquisados foram o 
intervalo entre chegadas (IC) e o tempo de atendimento (TA). 
Posteriormente foi possível compará-las e demostrar a diferença 
existente entre as duas aplicações. A partir dos resultados foi possível 
contribuir de forma significativa para que a rede de farmácias tenha 
conhecimento do impacto da espera na fila. 
 
Palavras-chave: Rede de farmácias, filas, Teoria de Filas, simulação 
de Monte Carlo.
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
3 
 
1. Introdução 
Segundo a Associação Brasileira de Redes de Farmácias e Drogarias, ABRAFARMA (2014), 
as farmácias brasileiras ajudam o país a prosperar e somam para a melhoria de vida e bem 
estar da população, além de possuírem grande importância econômica. Com isso, buscar 
maneiras de tornar os serviços prestados pelas farmácias cada vez melhores é de suma 
importância para gerar satisfações por parte dos clientes. 
Uma das causas que tem gerado grande insatisfação em dias atuais são as filas. 
Cotidianamente é possível observar que para tudo existe fila, desde um supermercado até um 
salão de cabeleireiro. Dessa forma Prado (2014) afirma que “se o atendimento não for 
imediato para todos os clientes em todos os dias, a imagem da empresa poderá ficar 
seriamente abalada”. 
A Teoria das Filas é um método analítico que aborda o assunto através de fórmulas 
matemáticas e sempre de maneira mensurável, com coleta direta de dados reais, devendo ser 
aplicada em um contexto que objetive otimizar o sistema ou o processo do meio, nesse caso, 
ter uma fila que seja satisfatória para o cliente, controlando os custos e buscando o processo 
mais eficiente possível (PRADO,2014). 
Uma técnica muito utilizada no contexto atual é o da simulação, que desde o seu surgimento 
tem sido altamente aceita nas empresas que buscam uma real simulação do que pode vir a 
acontecer em um determinado tempo. A simulação de Monte Carlo, que segundo Tabosa 
(2013), é o método que usa números aleatórios, podendo ser obtido por softwares como 
Microsoft Excel, Crystal Ball, para vários eventos possíveis sem que ocorra interferência 
pessoal do projetista, no qual esses números são mantidos em uma distribuição probabilística 
para posterior avaliação da probabilidade de cada evento ocorrer. 
Este estudo foi realizado em uma farmácia localizada na cidade de Castanhal – nordeste do 
Pará. O estabelecimento não só trabalha na área de medicamentos e similares, mas também no 
ramo dos cosméticos, produtos higiênicos, outros produtos e serviços, o que só tende a 
ampliar o seu público e sua demanda através dessa flexibilidade nos produtos e do marketing 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
4 
da empresa. Caso o sistema da mesma não seja bem dimensionando, pode causar vários 
problemas, como as filas, podendo prejudicar a imagem da empresa, o fluxo das pessoas no 
estabelecimento e causar perdas de tempo, materiais e mão-de-obra. 
Esta pesquisa tem como objetivo principal estabelecer um dimensionando ideal para o sistema 
de atendimento em um seguimento de farmácia localizada no município de Castanhal-PA, 
para que não aconteçam perdas ocasionadas pelo grande tamanho da fila ou por gastos a mais 
pelo superdimensionamento da capacidade. 
Este trabalho encontra-se divido da seguinte forma: nesta primeira sessão foi feita a 
introdução ao tema, na sessão 2 é abordado o referencial teórico, com a exposição do tema e 
conceitos necessários para a realização do estudo. Na sessão 3 está o método de pesquisa, 
detalhando a metodologia utilizada. A seguir, na sessão 4, serão apresentados os resultados 
obtidos e na sequência, as considerações finais do trabalho. 
2. Referencial teórico 
Nesta sessão serão abordados os conceitos úteis para a realização da pesquisa, tais como: 
Teoria de Filas e simulação de Monte Carlo. 
2.1. Teoria de filas 
Segundo Fitzsimmons e Fitzsimmons (2010), uma fila não pode ser definida somente como 
uma linha física na frente de um servidor, mas também pode ser formada por pessoas 
colocadas em “espera” por um telefonista ou por estudantes sentados em frente a terminais de 
computador espelhados pelo campus, por exemplo. 
A teoria das filas, segundo Prado (2014), é um modelo analítico que aborda o assunto por 
meio de fórmulas matemáticas. Ainda segundo o autor, essa abordagem matemática de filas se 
iniciou no princípio do século XX (1908) em Copenhague, Dinamarca, com A. K. Erlang, 
considerado o pai da teoria das filas. Modelos de filas têm sido aplicados com sucesso em 
muitos sistemas de produção, particularmente em sistemas de serviço, como bancos, 
supermercados, correios e postos de gasolina e em sistemas de manufatura, como por exemplo 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
5 
a matéria-prima aguardando o processamento em máquinas ou estações de trabalho 
(BATALHA, 2008). 
 2.1.1. Componentes de uma fila 
A estrutura básica de um sistema de filas, segundo Marins (2011), são: 1) população; 2) 
processo de chegadas de clientes; 3) organização da fila; 4) disciplina de atendimento; 5) 
processo de atendimento de clientes. 
2.1.2. Notação de Kendall 
Marins (2011) afirma que antes de se iniciar um estudo sobre Teoria de filas, é importante 
conhecer uma notação para modelos de filas, devida a David Kendall, que é universalmente 
utilizada. Segundo a notação de Kendall, um modelo de filas é representado por uma sucessão 
de símbolos, colocados de maneira organizada por barras inclinadas (MARINS, 2011). 
De maneira geral, segundo Prado (2014), um modelo de filas pode ser descrito pela seguinte 
notação: A/B/c/K/m/Z, onde, ainda segundo o autor: 
− A descreve a distribuição dos intervalos entre chegadas; 
− B descreve a distribuição do tempo de atendimento; 
− c é a quantidade de atendentes; 
− K é a capacidade máxima do sistema; 
− m é o tamanho da população que fornece clientes;− Z é a disciplina da fila. 
Prado (2014) ainda afirma que os valores para A e B dependem do tipo de distribuição que 
elas se referem, podendo ser: exponencial negativa (M); Erlang de estágio m (Em); 
hiperexponencial de estágio m (Hm); determinística; geral. 
2.1.3. Processos de chegada 
Prado (2014) define processo de chegada como sendo a taxa média de chegada de clientes (em 
um certo intervalo de tempo, podendo ser individual ou em grupo. Fitzsimmons e 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
6 
Ftizsimmons (2010) afirmam que normalmente coletam-se dados registrando os tempos reais 
de chegada, em seguida esses dados são utilizados para calcular o intervalo entre as chegadas. 
Ainda segundo os autores, existem muitos estudos que indicam que a distribuição dos tempos 
entre as chegadas será exponencial. 
2.1.4. Processos de atendimento 
Processo de atendimento é definido por Prado (2014), como a taxa média de atendimento de 
clientes em um certo intervalo de tempo. De acordo com Marins (2011), da mesma forma que 
o processo de chegada, o processo de atendimento pode ser individual ou em grupo. Segundo 
Fitzsimmons e Fitzsimmons (2010), a organização dos atendentes, as políticas de 
gerenciamento e comportamento do servidor contribuem para o melhor desempenho do 
atendimento. 
2.1.5. Disciplina da fila 
De acordo com Fitzsimmons e Fitzsimmons (2010), disciplina da fila é uma política 
estabelecida pela gerencia para selecionar o cliente seguinte a ser atendido. Marins (2011) 
define como sendo mais comum a regra do “primeiro a chegar é o primeiro a ser atendido” 
(em inglês se diz FIFO: first in first out). Entretanto, para Prado (2014), outras disciplinas 
podem existir, como “o último a chegar primeiro a ser atendido” (em inglês se diz LIFO: last 
in first out), serviço por ordem de prioridade, serviço randômico, etc. 
2.1.6. Capacidade do sistema 
Em boa parte dos modelos de filas existe uma limitação para o número de pessoas que podem 
fazer parte do sistema. Enquanto a capacidade não chega ao seu limite, os indivíduos que 
chegam aguardam na fila até serem atendidos, já os indivíduos que chegam quando a 
capacidade do sistema está esgotada são recusados (MARINS, 2011) 
2.1.7. Número de servidores 
Marins (2011) define o número de servidores como sendo a quantidade de servidores 
atendendo os clientes. Segundo Prado (2014), o sistema mais simples de filas é aquele que 
existe um único servidor que possa atender um único cliente de cada vez, no entanto, 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
7 
conforme o aumento do ritmo de chegada, pode-se manter a qualidade do sistema aumentando 
o número de servidores. 
2.1.8. Tamanho da população 
O tamanho da população é a quantidade de usuários em potencial, que em algum momento 
pode usufruir do sistema, podendo ser do tipo finita ou infinita. Esta última é definida dessa 
maneira quando a população é muito grande (FITZSIMMONS e FITZSIMMONS, 2010). 
Prado (2014) afirma que a chegada de um novo cliente em uma fila não afeta a taxa de 
chegada de clientes subsequentes, e desta forma conclui-se que as chegadas são 
independentes. 
Os processos descritos acima podem ser representados na figura a seguir. 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
8 
 
Figura 1: Componentes de uma fila 
 
Fonte: Marins (2011) 
2.1.9. Fórmulas para o modelo-padrão M/M/1 
Segundo o autor Prado (2014), as equações descritas a seguir podem ser utilizadas para 
calcular as características de desempenho no sistema com base somente na taxa média de 
chegada λ e na taxa média de atendimento por servidor µ. 
Tabela 2: Fórmulas para o modelo-padrão M/M/1. 
Definição Fórmula 
Número médio de clientes na fila 
 
Número médio de clientes no sistema 
 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
9 
Tempo médio que o cliente passa na fila 
 
Tempo médio que o cliente fica no sistema 
 
Fonte: Adaptado de Prado (2014). 
2.2. Simulação de Monte Carlo 
As empresas atuais têm muitas escolhas a se fazer, e no que diz respeito ao seu sistema de 
produção, essas escolhas podem tanto trazer benefícios quanto maléficos para ela; sendo 
assim, é de extrema importância que se façam análises a fim de se calcular os possíveis riscos 
sobre cada uma das decisões que precisem ser tomadas. 
Neste contexto a simulação de Monte Carlo vem para dar uma visão ao analista, permitindo 
que ele veja os possíveis resultados gerados a partir de decisões tomadas e avaliar os impactos 
que eles possam acarretar. 
Segundo Prado (2014), a simulação, como o próprio nome indica, é uma técnica que permite 
imitar o funcionamento de um sistema real dentro de um modelo teórico, ou seja, utilizando-
se deste artificio a pessoa que está analisando o sistema poderá ver uma gama de resultados 
possíveis sobre seu sistema, e ainda as probabilidades de ocorrência desses resultados. 
De acordo com Hillier e Lieberman (2010): 
Para preparar a simulação de um sistema complexo, um modelo de simulação 
detalhado precisa ser formulado para descrever a operação do sistema e como ele 
deve ser simulado. Um modelo de simulação tem diversos blocos construtivos 
básicos: 1. Uma definição do estado do sistema (por exemplo, o número de clientes 
em um sistema de filas). 2. Identificar os possíveis estados do sistema que podem 
ocorrer. 3. Identificar os possíveis eventos (por exemplo, chegadas e términos de 
atendimento em um sistema de filas) que mudariam o estado do sistema. 4. Uma 
provisão para um relógio simulado, localizado no mesmo endereço do programa de 
simulação, que vai registrar a passagem do tempo (simulado). 5. Um método para 
gerar eventos aleatoriamente de diversos tipos. 6. Uma fórmula para identificar as 
transições de estado que são geradas pelos diversos tipos de eventos. 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
10 
2.2.1. O método de Monte Carlo 
Prado (2014), diz que podemos definir o método de Monte Carlo como sendo uma maneira de 
transformar um conjunto de números aleatórios em outro conjunto de números (variáveis 
aleatórias), com a mesma distribuição da variável considerada. Esse método é mais utilizado 
quando o modelo é complexo ou não linear, ou quando envolve um número razoável de 
parâmetros de incerteza (LIMA et al., 2008). Vide figura 3. 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
11 
 
Figura 3: Processo de Simulação de Monte Carlo para uma simulação de quatro variáveis. 
 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
12 
Fonte: casarotto e kopittke (2000) 
3. Método de pesquisa 
Este estudo foi realizado em uma farmácia e o atributo pesquisado foi a taxa de chegada e o 
ritmo de atendimento. Conforme afirma Rodrigues (2006), esta pesquisa é dotipo 
quantitativa, pois os dados coletados foram analisados e interpretados na busca por mensurar 
as variáveis estudadas; para alcançar este objetivo utilizou-se o software Excel 2013, 
conhecimentos estatísticos e o auxílio do Crystal Ball. A seguir é possível verificar de forma 
mais detalhada o método utilizado. 
3.1. Instrumento para coleta de dados 
Para a coleta de dados foi necessário a utilização de um cronômetro para se ter o 
conhecimento da quantidade de pessoas que adentravam à farmácia e a quantidade de clientes 
que eram atendidos no caixa em um intervalo de 1 minuto. Além deste, também foi necessário 
o uso de uma folha de verificação – uma ferramenta simples, mas de grande utilidade − para 
registrar os dados obtidos para posterior análise. 
3.2. Definição da unidade de estudo 
A unidade farmacêutica está localizada no centro da cidade de Castanhal, no estado do Pará, 
possui além do proprietário e da gerente, oito funcionários ativos que trabalham oito horas por 
dia. A farmácia possui um interior totalmente organizado, no qual na entrada há o caixa, 
composto por uma atendente, logo em seguida há três corredores contendo cosméticos e 
outros produtos disponíveis em prateleiras. No meio do local existem balcões somente com 
maquiagens e produtos para beleza, e ao fim encontram-se os medicamentos. 
3.4. Procedimentos para o estudo 
Para realização do estudo e concretização dos cálculos, visto que é uma pesquisa quantitativa, 
além da escolha do estabelecimento farmacêutico foi necessária à autorização da gerência 
para coleta da quantidade de pessoas que entravam e eram atendidas no caixa. 
O serviço de caixa possui um atendente, consequentemente uma única fila, e como o fluxo de 
clientes é mais concentrado nesse setor, o mesmo foi priorizado e analisado como o sistema 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
13 
para aplicação da Teoria de Filas e posterior simulação de Monte Carlo, pois, diante da 
observação feita, o surgimento de filas e a ocorrência de atendimento são mais evidenciados. 
Em vista disso e da autorização cedida, inicialmente foi coletado um valor estipulado de 
cinquenta amostras aleatórias, alusiva ao número de pessoas que entravam e eram atendidas 
no caixa. Em seguida, os dados foram tabulados, no software Excel 2013, para o cálculo da 
frequência relativa e acumulada a fim de servir como base para construção do histograma. Por 
conseguinte, para determinar a distribuição estatística adequada, foi utilizado o software 
estatístico Crystal Ball, no qual é comparada a curva obtida através dos dados reais com as 
distribuições existentes. 
4. Resultados 
Com o intuito de se obter os valores do número médio de clientes na fila (NF), do número 
médio de clientes no sistema (NS), o tempo médio que o cliente passa na fila, bem como o 
tempo médio que o cliente fica no sistema (TS), a partir da Teoria de Filas e simulação de 
Monte Carlo, foi necessário trabalhar com os dados coletados na busca por esse objetivo. A 
seguir, na folha de verificação, são apresentados os 50 dados do intervalo entre as chegadas. 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
14 
 
Tabela 1: Intervalo entre as chegadas (IC), em segundos. 
Número da 
amostra 
IC 
Número da 
amostra 
IC 
1 47 26 121 
2 122 27 75 
3 171 28 93 
4 57 29 63 
5 63 30 163 
6 55 31 265 
7 186 32 57 
8 214 33 62 
9 160 34 133 
10 35 35 85 
11 94 36 47 
12 41 37 75 
13 132 38 48 
14 58 39 129 
15 57 40 49 
16 56 41 62 
17 66 42 60 
18 39 43 49 
19 63 44 123 
20 95 45 193 
21 125 46 43 
22 32 47 41 
23 79 48 81 
24 58 49 153 
25 71 50 82 
Fonte: Autores (2015) 
 
 
Ratificando o que foi dito nos procedimentos para esse estudo, além do intervalo entre as 
chegadas, também foi coletado o tempo de atendimento; esses dados são apresentados na 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
15 
tabela seguinte. 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
16 
 
Tabela 2: tempo de atendimento (TA), em segundos. 
Número da 
amostra 
TA 
Número da 
amostra 
TA 
1 60 26 35 
2 36 27 133 
3 62 28 43 
4 62 29 63 
5 28 30 62 
6 33 31 114 
7 49 32 80 
8 31 33 75 
9 43 34 54 
10 40 35 86 
11 43 36 43 
12 48 37 30 
13 65 38 65 
14 86 39 82 
15 70 40 71 
16 102 41 45 
17 42 42 82 
18 49 43 57 
19 24 44 30 
20 36 45 66 
21 47 46 59 
22 67 47 84 
23 83 48 43 
24 79 49 97 
25 51 50 150 
Fonte: Autores (2015) 
Posteriormente, a partir desses dados, foi possível elaborar os histogramas de cada variável 
analisada. A figura 3, representa um histograma, onde são apresentados os intervalos entre as 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
17 
chegadas, já na figura 3, estão os valores que representam o tempo que cada cliente levou para 
ser atendido. 
 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
18 
 
Figura 4: Histograma dos intervalos entre as chegadas no sistema 
 
Fonte: Autores (2015) 
 
Figura 5: Histograma do tempo de atendimento 
 
Fonte: Autores 
A partir dessas análises foi possível calcular, usando a teoria de filas, o número médio de 
clientes na fila, que foi igual a 1,46; o número médio de clientes no sistema, igual a 2,14; o 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
19 
tempo médio que o cliente passa na fila, igual a 2,14 segundos; e o tempo médio que o cliente 
fica no sistema, igual a 131,91 segundos. Para se chegar nesses valores foi necessário utilizar 
as equações apresentadas na sessão 2. A tabela a seguir, demonstra esses valores: 
 
Tabela 3: Resultados da análise da Teoria de filas 
Variável Valor 
NF 1,46 
NS 2,14 
TF 131,91 
TS 193,61 
Fonte: Autores (2015) 
Com o uso da Teoria de filas neste estudo, tornou-se necessário utilizar também a simulação 
de Monte Carlo, com o objetivo de compará-las, para que o objetivo trabalho seja alcançado. 
Dessa forma, com o auxílio dos softwares Excel 2013 e Crystal Ball foi possível se obter os 
valores do tamanho médio da fila, ou seja, o número de clientes na fila (NF) e o tempo médio 
de espera na fila (TF), utilizando a simulação de Monte Carlo. As duas variáveis encontradas 
são de grande importância dentro do sistema analisado. 
O número médio de clientes na fila obtidos com o uso da simulação foi de 0,22 clientes, ou 
seja um valor que demonstra que uma quantidade pequena de clientes esperam na fila sua vez 
de atendimento. No entanto, com o uso da teoria de filas essa variável assumiu um valor 
663,64% maior do que com o uso da simulação de Monte de Carlo, o que demostra uma 
diferença grande nos resultados dos dois métodos. 
O tempo médio de espera na fila, a partir da simulação de Monte Carlo,foi de 21,08 
segundos, o que representa um tempo razoavelmente curto pela espera do atendimento. 
Entretanto, assim como no número médio de clientes na fila, com o uso da teoria de filas o 
valor de TF foi 625,76% maior do que com o uso da simulação, novamente existe uma 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
20 
diferença grande nos resultados obtidos pelos dois métodos. 
Vale ressaltar que conforme indicado na sessão 2, a distribuição que melhor se adequa ao 
intervalo de chegadas é a exponencial. Todavia, com o auxílio do software Crystal Ball, a 
distribuição que melhor se adequou foi a binomial negativa. A variável tempo de atendimento 
também seguiu essa distribuição, conforme indicado nas figuras 5 e 6 a seguir. 
 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
21 
 
Figura 6: Gráfico da distribuição binomial negativa para IC 
Fonte: autores (2015) 
Figura 7: Gráfico da distribuição binomial negativa para TA 
Fonte: Autores (2015) 
4. Considerações Finais 
A utilização das ferramentas pertinentes à Teoria de filas e Simulação de Monte Carlo 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
22 
permitiu alcançar o objetivo primordial do estudo e, através dos resultados promovidos, 
analisar o comportamento real da fila e, posteriormente, a simulação demonstrou o quão 
rentável é, visto que seus resultados foram consideravelmente reduzidos. Além de poder 
explicitar graficamente tal comparação. 
Desta forma, é notória a acessibilidade dos assuntos abordados em qualquer cenário, pois o 
surgimento de filas pode ocorrer em diversos lugares e os atrasos promovidos pela mesma 
geram custos, mas que adotando a simulação o problema pode ser otimizado. Evidenciando a 
importância de sua aplicação. A partir do estudo, a rede de farmácias pôde ter o real 
conhecimento de sua necessidade para dimensionar de forma inteligente a sua capacidade, 
haja vista que o cenário ideal é a inexistência de filas. 
Todavia, não seria possível aplicar tais ferramentas sem a permissão do estabelecimento, cujo 
mesmo foi extremamente cooperativo sem interpor qualquer tipo de obstáculo, nem mesmo 
opondo pelo lugar que os pesquisadores escolhiam para realizar a coleta das amostras no 
estabelecimento. 
No entanto, a pesquisa limitou-se somente no caixa de pagamento, sem se estender a outros 
setores da farmácia, além de estratificar horários para coleta de dados a fim de apurar dados 
relevantes, visto que os fluxos de pessoas variam durante o dia. 
Como continuidade e ampliação de pesquisa, sugere-se aplicar o estudo em outros setores da 
farmácia, principalmente, no setor de atendimento alusivo à abertura de contas do banco 
credenciado na mesma, localizado no meio do estabelecimento cujo mau dimensionamento 
pode causar problemas em relação a locomoção de pessoas que vão comprar remédios. 
 
REFERÊNCIAS 
 
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
Perspectivas Globais para a Engenharia de Produção 
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015. 
 
 
 
 
23 
Associação Brasileira de Rede de Farmácias e Drogarias. Congresso nacional de excelência em gestão. 
Disponível em: <http://www.abrafarma.com.br/blog.htm>. Acesso em 01 de Maio de 2015. 
Congresso Nacional de Excelência em Gestão. IV, 2008. Niterói – RJ. Simulação de Monte Carlo auxiliando a 
análise de viabilidade econômica de projetos. Niterói. Congresso Nacional de Excelência em Gestão, 31 jul. à 02 
ago. 2008. 13 p. 
ENEGEP. XXXIII, 2013. Salvador – Bahia. Mensuração de custos diretos unitários com variabilidade em uma 
empresa do setor da construção civil. Salvador: ENEGEP, 8 à 11 out. 2013. 15p. 
FITZSIMMNOS, James A; FITZSIMMONS, Mona J. Administração de Serviços: operações, estratégia e 
tecnologia da informação. 6 ed. Porto Alegre: Bookman, 2010. 
HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introdução à pesquisa operacional. 8 ed. Porto Alegre: 
Bookman, 2010. 
MARINS, Fernando Augusto Silva. Introdução à Pesquisa Operacional. São Paulo: Cultura Acadêmica, 2011. 
PRADO, Darci Santos do. Teoria das filas e simulação. Rio de Janeiro: Falconi, 2014.

Outros materiais