Baixe o app para aproveitar ainda mais
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())
Compartilhar