AS NO ATENDIMENTO DE UMA CANTINA ANÁLISE POR MEIO DE SIMULAÇÃO NO SOFTWARE SIMPY

Prévia do material em texto

FILAS NO ATENDIMENTO DE UMA 
CANTINA - ANÁLISE POR MEIO DE 
SIMULAÇÃO NO SOFTWARE SIMPY 
 
Raquel Ferreira de Negreiros (UFERSA ) 
raquel-negreiros@hotmail.com 
Cibelle dos Santos Carlos (UFERSA ) 
cibellecarlos@hotmail.com 
David Custodio de Sena (UFERSA ) 
sena@ufersa.edu.br 
 
 
 
Diante de um ambiente tão competitivo, cada vez mais os clientes 
requerem qualidade, sendo assim, atender as suas necessidades é de 
extrema importância nas organizações. É necessário que as empresas 
busquem maior desempenho em suas operaçõees para aumentar a sua 
eficácia. No que tange os serviços, o tempo de espera para ser 
atendido desagrada, e muito, o consumidor. Dessa maneira, o artigo 
em questão visa realizar um estudo em uma cantina de uma 
universidade, a fim de verificar as filas existentes nesse local e utilizar-
se dos conceitos da simulação probabilística com o apoio do Simpy, 
para realizar a simulação das filas. Com isso, objetiva-se a redução do 
tempo em fila e por consequência maior satisfação dos clientes. 
 
Palavras-chaves: Filas; clientes; simulação 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
2 
 
1. Introdução 
Com a crescente competitividade entre as empresas, os negócios que buscam melhorar o seu 
serviço e, ao mesmo tempo, reduzir seus custos, ganham mais fatias no mercado e fidelizam 
seus clientes. Assim, para que as companhias consigam alcançar a eficiência de seus 
processos, é necessário utilizar ferramentas que possam servir de auxilio nas tomadas de 
decisões e melhorias de seus processos. Uma dessas ferramentas é o estudo da simulação de 
processos, através da Teoria das Filas. 
O estudo da Teoria das filas é importante para as empresas, que buscam oferecer serviços de 
qualidade e, consequentemente, agradar o seus consumidores. Segundo o autor Gianese et al 
(1996), apud Chaves et al (2011), oferecer um serviço de qualidade compreende em saber 
entender a demanda de clientes, organizar sistemas que a controlem e ajustar a capacidade de 
atendimento em função da demanda e assim reduzir a espera, mantendo o melhor serviço para 
os clientes. 
Todas as empresas, que almejam conquistar o seu publico alvo, devem se preocupar com a 
eficiência de seus processos, através da boa utilização de tempo e também da qualidade dos 
serviços oferecidos. Para o estudo em questão, foi escolhida uma empresa no setor de 
alimentação, tendo como referência uma cantina de lanches. 
No segmento alimentício, as empresas devem se preocupar em oferecer um atendimento 
rápido, pois a clientela procura as cantinas para comprar alimentos "prontos" e que otimizem 
o seu tempo, muitas vezes um curto tempo entre um intervalo e outro. 
Com o estudo da Modelagem e Simulação de Sistemas, é possível direcionar as decisões 
corretas em relação à quantidade necessária de atendentes, de modo que possa se obter um 
melhor dimensionamento. Assim, a pesquisa em questão objetiva analisar um sistema de 
atendimento em uma cantina, que busca oferecer produtos a um público seleto, para 
compreender se o tempo de espera dos clientes no atendimento pode ser considerado um 
problema para a empresa. Para isso, foi feito uma simulação, com base na Teoria das Filas, 
que levou em consideração dois tipos de atendimento, o de compra da ficha e o atendimento 
do lanche na cantina. 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
3 
 
1.2 Objetivo Geral 
O objetivo desse trabalho é analisar um sistema de atendimento em uma cantina de uma 
universidade. 
1.3 Objetivos específicos 
 Analisar tempos de espera e atendimento; 
 Apresentar os resultados encontrados na simulação; 
 Fazer a verificação e validação do sistema proposto; 
 Realizar um estudo visando proposição melhorias para o sistema. 
2. Metodologia 
De acordo com Silva et al (2005), a natureza da pesquisa em questão é quantitativa, pois 
corresponde à geração de conhecimentos de aplicação prática para solucionar problemas 
específicos. 
A metodologia utilizada no estudo seguiu os seguintes passos: 
Figura 1 - Metodologia 
 
 
 
 
 
Fonte: Elaborado pelas autoras (2013) 
Caracterização do Modelo 
 
Coleta de dados 
 
Validação de dados 
 
Construção do Modelo 
 
Execução do Modelo 
 
Análise dos resultados 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
4 
O trabalho iniciou-se com a determinação do local onde foi realizada a pesquisa. Em seguida, 
foi feito uma análise do processo e em seguida foi definido a problemática do estudo. Nesta 
etapa, foi feito um fluxograma do processo de atendimento do local do estudo, no caso, uma 
cantina. A partir daí, os dados começaram a ser coletados, esses dados são referentes aos 
intervalos de chegada dos clientes e tempo de atendimento dos mesmos. Com isso, os dados 
encontrados foram colocados no programa Input Analyzer, que determinou a curva e gerou os 
gráficos da distribuição de probabilidade que reproduz o desempenho do processo. Por fim, 
iniciou-se a programação do estudo, através do software Simpy. Após a simulação realizada 
no Simpy, os resultados foram explanados e foi feita uma análise verificando se todos os 
pontos necessários foram atendidos para, assim, validar o modelo. 
3. Referencial Teórico 
3.1 Modelagem Probabilística e Simulação de Sistemas de Produção 
De acordo com o autor Costa (2005), pag. 04: 
“Simulação é o processo de construção de um modelo representativo de um 
sistema real, e a experimentação no mesmo. Os resultados das experimentações, 
após análises, apresentam uma visão futura do sistema. As informações geradas 
auxiliam nas tomadas de decisão, necessárias no momento presente, e 
contribuem para uma melhor compreensão do sistema estudado". 
Assim, entende-se que a simulação de processos e sistemas é uma maneira experimental para 
buscar descrever um sistema real, ou seja, a quantificação do seu comportamento analisado, 
para direcionar futuros comportamentos. Dessa maneira, a simulação caracteriza-se pela 
criação de um modelo que forneça dados para serem analisados e que sirvam de base para a 
sua compreensão, bem como auxilie na busca por melhorias do sistema. 
Para realizar a simulação, a estatística surge para explicar os dados, de modo que com esses 
dados será possível iniciar o modelo de simulação e gerar gráficos através das distribuições 
que serão de total importância para o estudo. Diante disso, as distribuições podem ser 
classificadas de diferentes maneiras. São elas: 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
5 
 Distribuição Beta: distribuição contínua, que possui dois parâmetros. Geralmente 
utilizada na caracterização de variáveis aleatóriasdentro do intervalo [0,1]. Pode 
assumir um grande número de formas. 
 Distribuição Normal: também conhecida como distribuição de Gauss, se destaca pela 
sua importância, pois nela encontra-se o teorema central do limite, que é resultado 
essencial em aplicações práticas e teóricas, garantindo que mesmo que os dados não 
estejam distribuídos de acordo com uma norma, a média dos dados converge para uma 
distribuição normal de acordo com o aumento dos dados. 
 Distribuição exponencial: distribuição contínua com um parâmetro. Possui grande 
aplicabilidade em sistemas de filas. Os fenômenos descritos por essa probabilidade 
possuem total imprevisibilidade. 
 Distribuição de Poisson: Está ligada com a exponencial e é utilizada em problemas 
que envolvem, geralmente, chegadas e partidas. 
 Disrtibuição de Earlang: pode-se dizer que é uma extensão da distribuição 
exponencial. Possui grande aplicabilidade em processos estocásticos. Seus parâmetros 
são β e m. 
 Distribuição Gamma: distribuição contínua, com dois parâmetros que se assemelha a 
distribuição normal. Pode confundir-se com a distribuição de Earlang, a diferença é no 
parâmetro m pode assumir valores não inteiros. 
 Distribuição Triangular: é empregada quando é possível determinar qual o valor mais 
provável da variável aleatória e, também, quando uma função linear parece adequada 
para a descrição. Sua função densidade é dada por: 
 Distribuição de Weibull: Essa distribuição é utilizada falhas de partida, aleatórias e de 
desgaste. Sua função é dada por: 
3.2 Teoria das Filas 
O autor Arenales et al (2007) apud Chaves et al (2011), define que a Teoria das Filas 
caracteriza-se por uma metodologia analítica que aborda um assunto através de fórmulas 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
6 
matemáticas. É através da Teoria das Filas que se pode estudar as relações entre as demandas 
e os atrasos sofridos pelo usuário do sistema, para que possa ser realizado uma avaliação das 
medidas de desempenho dessa relação em função da disposição deste sistema. 
A população do sistema é definida pelos componentes da fila, podendo ser finita ou infinita. 
 Finita: quando sua quantidade pode ser definida; 
 Infinita: quando a sua quantidade é muito alta e/ou não pode ser mensurada. 
Abaixo, segue a ilustração dos elementos de uma fila: 
Figura 2 – Ilustração dos elementos de uma fila 
 
 
Fonte: Elaborado pelos Autores (2013) 
O padrão de chegada de clientes é definido através da taxa de chegada, representada pela letra 
λ, ou através dos intervalos de chegadas sucessivas, representado pela sigla IC – Índice de 
Chegada. Para medir o processo de chegada de maneira correta, faz-se necessário que não 
existam condições de pico, a chegada em massa de clientes e não deve existir diferença no 
processo de chegada de clientes antigos e novos. No atendimento, o processo é representado 
pelo ritmo do atendimento (μ) e também do tempo médio do serviço, o TA. 
Segundo Costa (2005), apud Cruz et al, 2011, a notação dos processos em filas foi proposta 
por Kendall, em 1953, e é descrita pela notação A/B/c/K/m/Z, onde o A descreve a 
classificação dos intervalos de chegada dos clientes, B o tempo de atendimento, c a 
capacidade do atendimento, K a capacidade máxima do sistema, m é o tamanho da população 
e Z é a disciplina da fila. 
3.3 Redes de Petri 
É uma técnica, desenvolvida por Carl Adam Pedri em 1962, que define modelos de processo, 
como dispositivos físicos, sistemas de manufatura, entre outros. Segundo o autor Aslst (1998), 
POPULAÇÃ
O 
CLIENTES EM 
FILA 
ATENDIMENT
O 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
7 
a adoção de redes de Petri pode está associadas a semântica formal, natureza gráfica, 
expressividade, propriedades, análise, independência de fornecedor, etc. 
De acordo com o autor Oliszeski et al (2010), a simulação da rede de Petri ocorre de acordo 
suas regras de disparo, da seguinte maneira: uma transição é considerada capacitada para 
disparo se existir um número de marcas nos lugares de entrada igual ou maior que os 
referentes pesos de arco. Após o disparo, os lugares de entrada perdem marcas na quantidade 
equivalente aos pesos dos respectivos arcos e são introduzidas marcas nos lugares de saída. 
 
Figura 3 – Ilustração de uma Rede de Petri 
 
Fonte: Oliszeski et al (2010) 
3.4 IDEF-SIM 
O IDEF-SIM é uma técnica, inicialmente desenvolvida por Leal, Almeida e 
Montevechi (2008), tem como objetivo o projeto de simulação, porém, também pode ser 
empregada em projetos de melhorias em geral. 
A simbologia utilizada pode ser verificada na figura abaixo: 
 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
8 
 
 
 
 
 
 
 
 
Figura 4 – Simbologia IDEF-SIM 
 
Fonte: Leal, Almeida e Montevechi (2008) 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
9 
Onde: 
 Entidade: são os itens a serem processados pelo sistema, representando matéria prima, 
produtos, pessoas, documentos, entre outros. 
 Funções: representam os locais onde a entidade sofrerá alguma ação. 
 Fluxo da entidade: direcionamento da entidade dentro do modelo, caracterizando os 
momentos de entrada e saída da entidade nas funções; 
 Recursos: simbolizam elementos utilizados para movimentar as entidades e executar 
funções. 
 Controles: regras utilizadas nas funções. 
 Regras para fluxos paralelos e/ou alternativos. 
 Movimentação: representa um deslocamento de entidade, no qual o modelador 
acredita possuir efeito importante sobre o modelo. 
 Informação explicativa: utilizado para inserir no modelo uma explicação. 
 Fluxo de entrada no sistema modelado: define a entrada ou criação das entidades 
dentro do modelo; 
 Ponto final do sistema: defini o final de um caminho dentro do fluxo modelado; 
Conexão com outra figura: utilizado para dividir o modelo em figuras diferentes 
3.5 SIMPY – Sistema de Simulação em Python 
O Simpy, módulo pertencente à linguagem de programação genérica Phyton, ele fornece um 
conjunto de classes desenvolvido para realizar a modelagem e simulação de um sistema, 
capturando as entidades essenciais e suas interações, para em seguida, programar e fazer o 
modelo ser validade e executado. 
4. Modelagem do Sistema 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
10 
4.1 Caracterização da empresa 
A empresa em questão trata-se de uma cantina, responsável pelo fornecimento de lanches 
“rápidos” para um público alvo específico, que são os alunos e funcionários em geral da 
universidade em questão. Foi verificado que o ambiente só dispõe de um atendente no caixa e 
um atendente na entrega dos pedidos. Além disso, analisou-se que oshorários influenciam na 
demanda, visto que durante a jornada de trabalho, existem momentos com um menor 
movimento e outros com maior movimentação de pessoas, ocasionando filas nos dois 
atendimentos. 
Abaixo, segue a figura com a caracterização que define o processo na cantina, bem como sua 
representação através do IFEF-SIM e Redes de Petri: 
 
 
 
 
 
 
Figura 5 – Caracterização do processo 
 
 
 
 
 
 
 
Fonte: Elaborado pelos Autores (2013) 
 
Neste caso, o processo da Rede de Petri tem a mesma representação para as duas filas. Assim, 
a forma como as filas são organizadas, sendo o primeiro cliente que chegar o primeiro a ser 
atendido e também a dispõe do sistema de uma fila para um atendente em ambos os casos, ou 
seja, uma fila para cada atendente. 
 
Figura 6 – Rede de Petri 
Atendente 
1 
Atendente 
2 
Client
es 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
11 
 
 
 
 
 
 
 
 
Fonte: Elaborada pelos Autores (2013) 
 
Estados: 
A- Cliente em espera 
B- Atendente Disponível 
C- Atendente ocupado 
D- Cliente atendido 
Eventos: 
1- Chegada do cliente 
2- Atendimento ao cliente 
3- Finalização do atendimento 
4- Saída do Cliente 
 
Da mesma forma segue a representação através do IDEF-SIM : 
Figura 7 – IDEF-SIM 
 
 
 
Fonte: Elaborada pelos Autores (2013) 
 
D 
B 
• 
1 2 
3 A C 
& 
Client
e 
Fil
a 
Atendent
e 
4 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
12 
4.2 Definição do problema 
Como afirmado no tópico anterior, existe momentos que a demanda aumenta 
consideravelmente, geralmente em horários de intervalos de expediente, que é quando as 
pessoas podem se deslocar até a cantina para fazer um lanche rápido. Assim, as atendentes 
ficam sobrecarregadas e muitas vezes o lanche, que deveria ser rápido, demora mais que o 
esperado, ocasionando filas de espera. 
 
4.3 Modelagem do processo de atendimento 
4.3.1 Coleta de dados 
A coleta dos dados foi feita através da cronometragem dos tempos necessários para o 
estudo e posteriormente organizados em uma planilha. As anotações foram feitas a partir das 
17:00h, em dois dias diferentes, medindo o tempo que os clientes passavam pelo sistema, 
com auxílio de cronômetro e planilha. A partir disso, foram contabilizados os valores que 
serviram de base para a continuação do trabalho. 
 
 
 
 
 
Tabela 1 – Características da fila 
 SÍMBOLO COMPRA 
FICHAS 
PEGAR 
LANCHE 
Tempo médio 
de chegada 
IC 1,55 
1,74 
Ritmo de 
chegada 
Λ 0,65 
0,58 
Tempo médio 
de 
atendimento 
TA 1,08 
1,51 
Taxa de Μ 0,93 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
13 
atendimento 0,66 
Tempo médio 
em fila 
TMF 2,09 
2,02 
Fonte: Elaborada pelas Autoras (2013) 
 
4.3.2 Identificação da melhor distribuição 
Com os dados em mão, foi feita uma planilha no Excel que expuseram os valores que 
foram utilizados. Com esses valores, foi possível determinar os intervalos de chegada (tempo 
entre a chegada de um cliente e outro) e tempo de atendimento (duração do atendimento em 
cada parte do processo, no caso dois atendimentos). Abaixo segue os gráficos gerados pelo 
Input Analyzer: 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 8 – Gráfico Intervalo de Chegada 1. 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
14 
 
Fonte: Input Anlyzer (2013) 
 
Distribuição utilizada foi a gama, com expressão -0.001 + GAMM(3.47, 0.438). O erro 
quadrático obtido foi 0.004947. 
 
Figura 9 – Tempo de Atendimento 1 
 
Fonte: Input Anlyzer (2013) 
 
Distribuição utilizada foi a gama, com expressão -0 GAMM(0.363, 2.95). O erro quadrático 
obtido foi 0.003327. 
 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
15 
Figura 10 – Intervalo de Chegada 2 
 
 
Fonte: Input Anlyzer (2013) 
 
Distribuição utilizada foi a Weibull, com expressão -0.001 + WEIB(1.78, 1.07). O erro 
quadrático obtido foi 0.014902. 
 
Figura 11-Tempo de Atendimento 2 
 
 
Fonte: Input Anlyzer (2013) 
 
Distribuição utilizada foi a gama, com expressão 0.11 + GAMM(0.384, 2.97). O erro 
quadrático obtido foi 0.018797. 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
16 
 
 
4.3.3 Análise dos dados de saída 
4.3.3.1 Verificação e Validação 
A verificação procurou garantir que os dados do sistema real fossem implementadas no 
desenvolvimento da simulação. Segue no anexo o código do programa realizado no Simpy. 
A validação do modelo foi realizada a partir de dez simulações com seeds diferentes, para 
verificar o tempo médio das duas filas existentes no processo. Com o cálculo dos tempos 
médios em fila, foi possível se calcular as médias (µ), obter o desvio padrão (σ) e o intervalo 
de confiança: 
Tabela 2 – Intervalo de confiança 
Comprar Ficha 
 
Pegar Lanche 
Seed 
Tempo 
médio em 
fila 
Seed 
Tempo 
médio em 
fila 
1 2,7330 
 
1 2,8216 
2 3,8270 
 
2 1,9840 
3 1,8130 
 
3 2,2180 
4 4,5277 
 
4 1,8198 
5 3,4158 
 
5 0,8638 
6 2,6154 
 
6 2,7133 
7 2,0110 
 
7 1,6179 
8 2,3300 
 
8 2,9940 
9 2,8044 
 
9 2,2421 
10 3,9618 
 
10 1,6151 
MÉDIA 3,0039 
 
MÉDIA 2,0890 
DESVIO-
PADRÃO 
0,8491 
 
DESVIO-
PADRÃO 
0,6512 
t(9,99%) 2,82 
 
t(9,95%) 1,83 
TMF real 2,26 
 
TMF real 
 
2,02 
Limite 
Superior 3,76 
 
Limite 
Superior 2,47 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
17 
Limite 
Inferior 2,25 
 
Limite 
Inferior 1,71 
 
Fonte: Elaborada pelos Autores (2013) 
Para as 10 iterações realizadas buscaram-se na tabela de distribuição T-student para o grau de 
liberdade nove os intervalos de confiança correspondentes aos tempos de atendimentos nas 
filas. Realizou-se a simulação baseada em um novo cenário a fim de atingir o objetivo do 
presente artigo, que é encontrar a melhor alternativa para minimizar o tempo em fila 
enfrentado pelos clientes. 
5. Considerações Finais 
Este artigoapresentou uma proposta de melhoria do processo da cantina de uma universidade 
pública para reduzir o tempo de permanência dos clientes nas filas. Para tal, foi utilizado o 
software Simpy na simulação do cenário mais adequado ao sistema em questão. 
Foi detectado que no horário de pico, a cantina fica superlotada, ocasionando o aparecimento 
de filas. Como o tempo dos estudantes entre uma aula e outra é curto, pode-se perceber que as 
filas podem gerar uma diminuição do fluxo de clientes, trazendo uma redução no faturamento 
da empresa. Para melhorar a situação, sugere-se uma melhor organização dos funcionários, 
realizando uma escala, de modo que possam ajudar no caixa e consequentemente diminuir as 
filas. A contratação de uma nova funcionária não seria o indicado nesse momento, pois como 
foi visto na simulação, o tempo de espera médio na fila é plausível, já que não é considerado 
um tempo maior que os consumidores estão dispostos a esperar. Pode-se perceber que o 
tempo médio em fila para compra de fichas é maior do que para recebimento do lanche. 
Sendo assim, sugere-se ainda, a fidelização dos professores que frequentam a universidade 
através de “contas”. Isso diminuiria o tempo de atendimento desse tipo de cliente, por não 
haver troca de dinheiro, e por consequência, diminuir a fila de compra das fichas. 
REFERÊNCIAS 
 
AALST, W. M. P. The Application of Petri Nets to Workflow Management. The Journal of Circuits, Systems 
and Computers; Vol. 8, p. 21-66, 1998. 
 
CHAVES, A. L F. et al. Estudo da teoria das filas em um sistema médico-hospitalar na cidade de Belém-PA. 
Belo Horizonte: Centro Universitário do Pará, 2011. 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
18 
COSTA, M. A. B., Sistemas de Simulação. São Carlos: Universidade Federal de São Carlos: 2002. 
 
CRUZ, L. D. F. et al. Pesquisa quantitativa de aplicação da teoria das filas na avaliação do sistema de 
atendimento em caixa rápido de um supermercado em Belém-PA. Belo Horizonte: Universidade Estadual do 
Pará, 2011. 
 
FREITAS FILHO, P.J. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. 2ed. 
Florianópolis: Visual Books, 2008. 
 
LEAL, F.; ALMEIDA, D.A. & MONTEVECHI, J.A.B. Uma proposta de técnica de modelagem conceitual 
para a simulação através de elementos do IDEF. In: Simpósio Brasileiro de Pesquisa Operacional, 2008, João 
Pessoa-PB: Anais XL. 
 
OLISZESKI C. A. N. et al. Gerenciamento de riscos e gestão de projetos agroindustriais através de redes de 
Petri. São Carlos: Universidade Tecnológica Federal do Ceará, 2010. 
 
SILVA, E. L. & MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação 4 ed. Florianópolis: 
Universidade Federal de Santa Catarina, 2005. 
 
ANEXOS 
from SimPy.Simulation import * 
from random import seed,gammavariate,lognormvariate,weibullvariate 
 
seed(1) 
 
class SourceFilaCompra(Process): 
 
 def geracao(self,numero): 
 for i in range(numero): 
 c = ClienteCompra(name = "ClienteCompra%02d"%(i,)) 
 activate(c,c.executa(tempoAtendimento=(gammavariate(0.363, 2.95)))) 
 IEC = -0.001 + gammavariate(3.47, 0.438)*2 
 if (IEC<0): 
 IEC=0 
 yield hold,self,IEC 
 
 
class ClienteCompra(Process): 
 def __init__(self,name): 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
19 
 Process.__init__(self,name=name) 
 
 def executa(self,tempoAtendimento): 
 print now( ), self.name, "Cliente_Compra Chegando" 
 chegada=now() 
 yield request,self, caixa1 
 atendimento=now() 
 if (((atendimento)-(chegada)) > 0): 
 tF1.observe((atendimento)-(chegada)) 
 print now( ), self.name, "Cliente_Compra sendo atendido" 
 yield hold,self,tempoAtendimento 
 yield release,self, caixa1 
 saida=now() 
 tA1.observe((saida)-(atendimento)) 
 print now( ), self.name, "Cliente_Compra Saindo" 
 
 
class SourceFilaLanche(Process): 
 
 def geracao(self,numero): 
 for i in range(numero): 
 c = ClienteLanche(name = "ClienteLanche%02d"%(i,)) 
 activate(c,c.executa(tempoAtendimento=(0.11 + gammavariate(0.384, 2.97)))) 
 IEC = -0.001 + gammavariate(1.62, 1.08)*4 
 if (IEC<0): 
 IEC=0 
 yield hold,self, IEC 
 
 
class ClienteLanche(Process): 
 def __init__(self,name): 
 Process.__init__(self,name=name) 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
20 
 
 def executa(self,tempoAtendimento): 
 print now( ), self.name, "Cliente_Lanche Chegando" 
 chegada=now() 
 yield request,self, atendenteEntrega 
 atendimento=now() 
 if (((atendimento)-(chegada)) > 0): 
 tF2.observe((atendimento)-(chegada)) 
 print now( ), self.name, "Cliente_Lanche sendo atendido" 
 yield hold,self,tempoAtendimento 
 yield release,self,atendenteEntrega 
 saida=now() 
 tA2.observe((saida)-(atendimento)) 
 print now( ), self.name, "Cliente_Lanche Saindo" 
 
 
numeroMaximoCompra=200 
numeroMaximoLanche=200 
caixa1=1 
atendenteEntrega=1 
tempoMaximo= 780 
 
caixa1 = 
Resource(capacity=caixa1,name='Caixa1',unitName='atendente',monitored=True,) 
atendenteEntrega = 
Resource(capacity=atendenteEntrega,name='AtendenteEntrega',unitName='atendente',
monitored=True,) 
tF1=Monitor() 
tA1=Monitor() 
tF2=Monitor() 
tA2=Monitor() 
initialize( ) 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
21 
sFilaCompra = SourceFilaCompra() 
activate(sFilaCompra,sFilaCompra.geracao(numeroMaximoCompra),at=0.0) 
sFilaLanche = SourceFilaLanche() 
activate(sFilaLanche,sFilaLanche.geracao(numeroMaximoLanche),at=0.0) 
simulate(until=tempoMaximo) 
print 'Tempo atual é dado por:\n',now( ) 
 
if (len(tF1) > 0): 
 print 'Tempo Máximo em fila é dado por:' 
 print max(tF1.yseries()) 
 print 'Tempo Mínimo em fila é dado por:' 
 print min(tF1.yseries()) 
 totalF1 = 0.0 
 for i in tF1.yseries(): 
 totalF1 = totalF1 + i 
 print 'Tempo Médio em fila é dado por:' 
 print totalF1/len(tF1.yseries()) 
 if (len(tA1) > 0) : 
 print 'Tempo Máximo de atendimento é dado por:' 
 print max(tA1.yseries()) 
 print 'Tempo Mínimo de atendimento é dado por:' 
 print min(tA1.yseries()) 
 totalA1 = 0.0 
 for i in tA1.yseries(): 
 totalA1 = totalA1 + i 
 print 'Tempo Médio de atendimento é dado por:' 
 print totalA1/len(tA1.yseries()) 
 print 'Taxa de ocupação é dada por:' 
 print 100*(totalA1/(now())),"%"print 'número de clientes atendidos' 
 print len(tA1.yseries()) 
 
 
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos 
Salvador, BA, Brasil, 08 a 11 de outubro de 2013. 
 
 
 
 
 
 
22 
if (len(tF2) > 0): 
 print 'Tempo Máximo em fila é dado por:' 
 print max(tF2.yseries()) 
 print 'Tempo Mínimo em fila é dado por:' 
 print min(tF2.yseries()) 
 totalF2 = 0.0 
 for i in tF2.yseries(): 
 totalF2 = totalF2 + i 
 print 'Tempo Médio em fila é dado por:' 
 print totalF2/len(tF2.yseries()) 
 if (len(tA2) > 0) : 
 print 'Tempo Máximo de atendimento é dado por:' 
 print max(tA2.yseries()) 
 print 'Tempo Mínimo de atendimento é dado por:' 
 print min(tA2.yseries()) 
 totalA2 = 0.0 
 for i in tA2.yseries(): 
 totalA2 = totalA2 + i 
 print 'Tempo Médio de atendimento é dado por:' 
 print totalA2/len(tA2.yseries()) 
 print 'Taxa de ocupação é dada por:' 
 print 100*(totalA2/(now())),"%" 
 print 'número de clientes atendidos' 
 print len(tA2.yseries())