Baixe o app para aproveitar ainda mais
Prévia do material em texto
Processo de amostragem e coleta dos dados APRESENTAÇÃO Tomar decisões faz parte da rotina de quem ocupa posições gerenciais e impacta resultados organizacionais. As decisões podem ser mais assertivas quando os tomadores dispõem de informações precisas no momento adequado. A precisão das informações depende da disponibilidade de dados acerca de determinado fenômeno ou problema. Dessa forma, o processo de coleta de dados ganha importância no cenário empresarial. Frequentemente surgem questões como: como conseguir este dado? Onde conseguir este dado? Este dado é preciso? Nesta Unidade de Aprendizagem, você estudará conceitos relacionados à amostragem, conhecerá o processo de observação e algumas ferramentas utilizadas para a coleta de dados e aprenderá como estruturar o processo de obtenção de dados. Bons estudos. Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados: Discutir os conceitos relacionados à amostragem.• Descrever o processo de observação e coleta de informações.• Planejar o processo de coleta de dados para modelagem.• DESAFIO De posse de dados adequados, a equipe de modelagem e simulação tem a capacidade de gerar resultados mais assertivos que contribuam com o processo de tomada de decisão gerencial. Existem muitas variáveis que precisam ser coletadas para construção de um modelo e para realização de testes nos sistemas diante de alterações nos cenários. Como é possível conseguir estes dados? INFOGRÁFICO Estudar todos os elementos de uma população muitas vezes não é a melhor opção, pois exige muito tempo e recursos consideráveis. Dessa forma, a seleção de uma amostra representativa aparece como uma solução. Existem alguns tipos de amostragem para seleção da amostra e todos apresentam vantagens e desvantagens. Neste Infográfico, você vai estudar os tipos de amostragem e vai conhecer as implicações do uso de cada um. CONTEÚDO DO LIVRO O analista de simulação de uma empresa precisa conhecer detalhadamente o sistema a ser expermientado para que construa um modelo adequado. Como os sistemas são complexos, a elaboração do modelo tende a exigir a coleta de inúmeros dados relacionados aos elos do sistema e suas interações. Diante do exposto, fazem parte das atividades do analista selecionar amostras, coletar dados e transformar estes em informações que contribuam para o processo de tomada de decisões. No capítulo Processo de amostragem e coleta dos dados, da obra Simulação de Processos Produtivos, você aprenderá sobre técnicas de amostragem, compreenderá o processo de observação e obtenção de informações e identificará como planejar, de forma estruturada, o processo de coleta de dados. Boa leitura. SIMULAÇÃO DE SISTEMAS PRODUTIVOS Gabriela Fonseca Parreira Gregorio Processo de amostragem e coleta dos dados Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: Discutir os conceitos relacionados à amostragem. Descrever o processo de observação e coleta de informações. Planejar o processo de coleta de dados para modelagem. Introdução O processo de modelagem e simulação auxilia os gestores na tomada de decisões. No entanto, a assertividade desse processo depende da seleção adequada dos dados a serem coletados e analisados para a construção dos modelos. Existem inúmeras ferramentas que podem auxiliar você na obtenção dos dados. Essa obtenção pode ser planejada por meio de um processo estruturado e organizado que orienta quanto à definição da amostra, à identificação dos dados, à seleção dos métodos de coleta, entre outros aspectos. Neste capítulo, você vai conhecer os principais conceitos relaciona- dos à amostragem. Também vai ver as principais técnicas de coleta de informações. Além disso, vai verificar como planejar a coleta de dados para modelagem. Conceitos relacionados à amostragem Geralmente, os estudos são realizados com base em uma amostra, por meio da qual são feitas algumas inferências sobre a população. Enquanto a população refere-se à coleção de todas as observações potenciais sobre determinado fenô- meno, os dados realmente extraídos ou observados constituem uma amostra da população (FARIAS; SOARES; CÉSAR, 1996). Magalhães e Lima (2011) reiteram que existem várias dificuldades para fazer observações em todos os elementos da população. Assim, é necessário selecionar um subconjunto consideravelmente menor, a amostra. Como você pode inferir, a amostra é uma parcela da população. Segundo Spiegel (1993), ela deve ser representativa para que conclusões importantes sobre a população sejam obtidas. Na Figura 1, a seguir, veja a relação entre a população e a amostra. Figura 1. Relação entre população e amostra. Fonte: Adaptada de Magalhães e Lima (2011). A técnica para a seleção de uma parte da população é denominada amostra- gem. Muitas vezes, é necessário o uso da amostragem pois existem restrições temporais, econômicas, operacionais, entre outras que inviabilizam estudos com a população (POMMER, 2013). Observando a Figura 1, você pode notar que a inferência descritiva busca tirar conclusões de modo informal e direto, enquanto a inferência estatística é o estudo de técnicas que possibilitam a extrapolação (MAGALHÃES; LIMA, 2011). Os dados da população e da amostra precisam ser consistentes, e al- gumas interpretações iniciais podem ser feitas sobre o fenômeno estudado. Além disso, a partir de análises da amostra, é possível estimar quantidades desconhecidas, fazer extrapolação dos resultados e testar hipóteses. Em relação à amostragem, conhecer alguns conceitos é fundamental. Consi- dere, por exemplo, os conceitos de: população-alvo, característica de interesse, Processo de amostragem e coleta dos dados2 amostragem probabilística e amostragem não probabilística. Segundo Farias, Soares e César (1996), a população-alvo é a população sobre a qual são feitas inferências baseadas na amostra. É o conjunto de todas as partes sobre as quais algumas conclusões são formuladas. Ainda segundo os autores, características de interesse são as características que serão medidas. São atributos ou predicados de dada população que podem variar de elemento para elemento. A orientação é que não devem ser incluídas muitas características no estudo. Na amostragem probabilística, o elemento da população é escolhido ao acaso ou de forma aleatória. A probabilidade dessa escolha pode ser estimada por meio de cálculos probabilísticos (POMMER, 2013). Segundo Farias, Soares e César (1996), a amostra precisa ser representativa para que seja possível fazer inferências sobre a população. Uma maneira de se alcançar essa representativi- dade é fazer com que a seleção da amostra aconteça por meio de um processo aleatório. Por isso, as amostras probabilísticas são preferidas. Quando se fala que um método de seleção produz amostras probabilísticas, isso significa que ele define claramente a probabilidade de um elemento fazer parte da amostra. Por outro lado, na amostragem não probabilística, faz-se um julgamento: a escolha dos elementos da amostra é feita de forma subjetiva. Nesse caso, não é possível conhecer a probabilidade de determinado elemento da população (POMMER, 2013). Existem alguns tipos de amostragem, como você pode ver a seguir (FARIAS; SOARES; CÉSAR, 1996). Amostragem aleatória simples: a amostra é escolhida elemento a elemento, casualmente. Amostragem estratificada: os elementos da população são divididos em grupos homogêneos de acordo com a característica que se deseja medir. Escolhe-se uma amostra aleatória dentro de cada grupo. Amostragem por conglomerado: é uma amostra aleatória simples, na qual cada unidade de amostragem é um grupo. Observação e coleta de informações A coleta de informações é a fase inicial de muitos estudos (FARIAS; SOARES; CÉSAR, 1996). Nos casos da modelagem e da simulação de 3Processo de amostragem e coleta dos dados sistemas, não é diferente.Para realizar a coleta, é necessário conhecer bem as partes do sistema e as variáveis consideradas no estudo. Segundo Banks, Carson e Nelson (1996), os dados infl uenciam consideravelmente a precisão dos modelos. Os elementos podem ser coletados por meio de métodos de amostragem. Os dados e informações necessários para a construção de modelos podem ser classificados em dois tipos de variáveis, como você pode ver a seguir (MOREIRA, 2011). Variáveis não controladas pelo analista do problema: são definidas pela situação, pelo problema, pelas propriedades da organização ou pelas restrições. Adotam valores que não podem ser controlados, mas dos quais se conhece a medida ou a distribuição de probabilidade. Exemplos: capacidade produtiva da empresa, tempo padrão de uma operação. Variáveis de decisão: seu valor é atribuído pelo analista, por meio do modelo, compondo a solução do problema predeterminado. Assim, as informações necessárias para a modelagem e a simulação de sistemas são os valores das variáveis não controladas. Para conseguir essas informações, algumas técnicas podem ser utilizadas. A seguir, você vai co- nhecer melhor essas técnicas. A observação consiste em analisar, visualizar e acompanhar dada situa- ção capturando determinados valores para que algumas inferências iniciais possam ser feitas. A interação entre as partes que formam o sistema pode ser avaliada por meio de observação. Trata-se de uma técnica simplificada, em que o analista vai para campo a fim de conhecer melhor algumas variáveis que compõem o sistema. Outra forma de coleta de dados é o questionário. Nessa técnica, um formulário é confeccionado contendo todos os levantamentos que serão necessários. Ao utilizar o questionário, é importante pensar nos tipos de questões mais adequadas (abertas e fechadas), na ordem das questões e na clareza das perguntas (FARIAS; SOARES; CÉSAR, 1996). Além do questionário, as empresas podem utilizar também entrevistas para a coleta de informações. Na entrevista, existe uma interação momentânea entre os interlocutores. As informações podem ser registradas de forma manual ou gravadas. A análise de documentos também é fonte de várias informações para a modelagem e a simulação de sistemas. Ela envolve registros formais, docu- Processo de amostragem e coleta dos dados4 mentados pela organização por meio de ordens de serviço, ordens de produção e relatórios diversos. Essa técnica ganhou maior importância com o advento dos sistemas computacionais, pois são inúmeras as informações armazenadas que podem ser combinadas de diferentes formas. As informações podem ser coletadas também por meio de medições feitas in loco com instrumentos adequados. Alguns exemplos de medições são: cronometragem de tempos, pesagem de materiais, etc. Como você deve ima- ginar, é possível combinar as formas de obtenção de dados de acordo com as necessidades de cada organização. A análise documental e a observação são formas de coleta de dados muito utilizadas no processo de modelagem e simulação. Planejamento da coleta de dados para modelagem Planejar o processo de coleta é importante para que todos os dados estejam disponíveis quando os analistas precisarem deles e para que tais dados sejam representativos. Como você pode imaginar, esses aspectos dependem da técnica de amostragem selecionada. De acordo com Farias, Soares e César (1996), o processo de coleta de dados pode ser planejado conforme: os objetivos da pesquisa; a população a ser submetida à amostragem; os dados a serem coletados; o grau de precisão desejado; os métodos de obtenção da informação; a escolha da amostra; a organização do trabalho em campo; a coleta dos dados; a análise dos dados. Independentemente da forma de coleta adotada (observação, questionário, análise documental, etc.), os objetivos do projeto precisam estar claros e ser 5Processo de amostragem e coleta dos dados disseminados para toda a equipe. Afinal, eles têm como função conduzir as próximas ações de um projeto de simulação, incluindo ações relacionadas à coleta de dados. A modelagem de sistemas diferentes exige dados distintos. Segundo Miyake e Sakurada (2009), a elaboração de um modelo que represente os sistemas de operação de serviço, por exemplo, exige os seguintes tipos básicos de dados: demanda; configuração e dimensões da infraestrutura física; e tempos de serviço. Diante de objetivos bem definidos, é importante identificar a população a ser submetida à amostragem, ou seja, o conjunto de todos os elementos que representam determinado fenômeno. Posteriormente, as ações elencadas a seguir são necessárias. Listar todos os dados necessários, todas as variáveis não controladas e estabelecer o grau de precisão desejado. Definir a estratégia mais adequada para a obtenção da informação (observação, questionário, análise de documentos, etc.). Definir o método de amostragem e selecionar a amostra, avaliando se será adotada amostra probabilística ou não probabilística. Organizar o trabalho em campo, ou seja, preparar formulários, instru- mentos e demais meios necessários para a coleta dos dados. Analisar os dados, verificando como eles serão tratados, classificados e analisados para que informações possam ser geradas para auxiliar o processo de tomada de decisão. Além disso, é necessário definir no planejamento: quem serão os responsáveis pela coleta de dados; os prazos de coleta, datas de início e término; os recursos financeiros e materiais necessários para a coleta de dados; o local de aquisição dos dados. Processo de amostragem e coleta dos dados6 No Quadro 1, a seguir, você pode ver um modelo de plano para coleta de dados. Dados necessários Responsável pela coleta Forma de coleta do dado Instrumentos necessários Data de início Data de término Local de aquisição do dado Quadro 1. Modelo de plano para coleta de dados. BANKS, J.; CARSON, J.; NELSON B. Discrete-event system simulation. New Jersey: Prentice Hall, 1996. FARIAS, A.; SOARES, J.; CÉSAR, C. Introdução à estatística. 2. ed. Rio de Janeiro: LTC, 1996. MAGALHÃES, M.; LIMA, A. Noções de probabilidade e estatística. São Paulo: Universidade de São Paulo, 2011. MIYAKE, D.; SAKURADA, N. Aplicação de simuladores de eventos discretos no processo de modelagem de sistemas de operações de serviços. Revista Gestão & Produção, v. 16, n. 1, p. 25-43, jan.-mar. 2009. Disponível em: http://www.scielo.br/pdf/gp/v16n1/ v16n1a04.pdf. Acesso em: 9 abr. 2019. MOREIRA, D. A. Administração da produção e operações. 2. ed. São Paulo: Cengage Learning, 2011. POMMER, W. M. Conceitos e aplicações de estatística para cursos de ciências gerenciais: uma abordagem introdutória. São Paulo: [S.n.], 2013. Disponível em: http://stoa.usp.br/ wmpommer/files/3915/20691/Livro%20Estat%C3%ADstica%20para%20Gerenciais%20 2013.pdf. Acesso em: 9 abr. 2019. SPIEGEL, M. Estatística. 3. ed. São Paulo: Pearson, 1993. Leitura recomendada FOGO, J. C. [Disciplinas]. São Carlos: UFSCAR, 2017. Disponível em: www.ufscar.br/jcfogo. Acesso em: 9 abr. 2019. 7Processo de amostragem e coleta dos dados DICA DO PROFESSOR Em simulação de processos, é muito importante a compreensão do que são entidades, atributos, recursos e estados. Tratam-se de palavras comumente utilizadas na área, e a obtenção de dados relacionados a elas permitem a construção do modelo e experimentação do sistema. Nesta Dica do Professor, você conhecerá o que são entidades, atributos, recursos e estados sobre os quais dados precisam ser coletados e verificará exemplos de alguns desses dados. Conteúdo interativo disponível na plataforma de ensino! EXERCÍCIOS 1) Geralmente, os estudos de modelagem e simulação não são feitos considerando todos os elementos de uma população, porque isso pode trazer várias dificuldades. Assim, é necessário adotar a técnica de amostragem. Sobre população, amostra e amostragem, é correto o que seafirma em: A) Amostra refere-se à coleção de todas as observações potenciais sobre determinado fenômeno. B) População amostral é o conjunto de dados realmente extraídos ou observados de todos os elementos da população. C) Muitas vezes, a análise da população amostral é mais vantajosa se comparada à análise da amostra, pois essa última pode apresentar erros e desvios. D) A seleção da amostra deve recorrer ao uso de técnicas de amostragem. Existem alguns tipos de amostragem e cada um deles apresenta vantagens e desvantagens. Cabe ao analista investigar a técnica mais adequada. E) A partir de análises estatísticas da população, é possível fazer inferências sobre a amostra. 2) A coleta de dados é uma fase importante do processo de modelagem e simulação. Existem diversas formas de coleta de dados, como observações, análise documental, aplicação de questionário, medições in loco, entre outras. Considere as afirmações abaixo: I) A análise documental consiste na análise de registros formais, documentados pela organização por meio de ordens de serviço, ordens de produção e relatórios diversos, que ganham maior importância com o advento dos sistemas computacionais. II) Na aplicação de questionários, existe uma interlocução entre as pessoas e, por isso, dúvidas podem ser sanadas no momento da investigação. III) As empresas devem escolher uma forma exclusiva de coleta e adotá-la para identificar todos os dados e informações necessários. Sobre essas afirmações, estão corretas a(s) alternativa(s): A) Apenas I. B) I e II. C) II e III. D) I e III. E) Apenas lll. 3) A coleta de dados é uma etapa importante, visto que dela dependem as outras ações do projeto de modelagem e simulação e que também influencia a confiabilidade dos resultados gerados. Sobre o processo de planejamento e coleta de dados no processo de modelagem e simulação, é correto o que se afirma em: A) O plano de coleta de dados não exige a definição dos responsáveis e prazos para coleta, uma vez que foca os esforços na definição de questões mais estratégicas. B) O planejamento de coleta de dados precisa considerar as variáveis necessárias, a estratégia adequada de obtenção, o método de amostragem, a organização do trabalho em campo e a análise dos dados. C) A técnica de amostragem utilizada não influencia o processo de coleta de dados e informações. D) A construção do plano de obtenção das informações independe do local onde os dados serão obtidos. E) A organização do trabalho em campo para a coleta de dados consiste em uma atividade operacional e, por isso, não é considerada no plano do processo de coleta de dados. 4) Planejar o processo de coleta de dados pode contribuir com a qualidade dos dados obtidos e com os resultados no processo de simulação. Considere os itens abaixo: I) Objetivos da pesquisa. II) População a ser submetida à amostragem. III) Dados a serem coletados. IV) Métodos de obtenção dos dados. Sobre os itens supracitados, pode-se afirmar que: A) Todos os itens precisam ser considerados no processo de coleta de dados, exceto os objetivos da pesquisa, uma vez que independentemente dos objetivos, o meios de coleta serão os mesmos. Todos os itens precisam ser considerados no processo de coleta de dados, exceto a B) população a ser submetida à amostragem, pois as formas e meios utilizados na coleta independem do conjunto de elementos sobre os quais a incidência de determinado fenômeno será analisada. C) Todos estes itens precisam ser considerados, mas não na ordem apresentada. D) Apenas estes itens são necessários para planejar o processo de coleta de dados. E) Todos os itens precisam ser considerados no planejamento do processo de coleta de dados e a ordem apresentada se mostra adequada. 5) O uso de técnicas de amostragem torna as análises estatísticas mais rápidas e reduz os custos. Existem alguns tipos de amostragem como a Amostragem Aleatória Simples, Amostragem Estratificada e Amostragem por Conglomerado. Sobre estes tipos de amostragem, pode-se afirmar que: A) Na amostragem aleatória simples os elementos da população são divididos em grupos homogêneos de acordo com a característica que se deseja medir. Escolhe-se uma amostra de forma casual dentro de cada grupo. B) A amostragem estratificada é uma amostra aleatória simples, na qual cada unidade de amostragem é um grupo. C) Na amostragem por conglomerado a amostra é escolhida elemento a elemento, a partir da população, de forma casual ou aleatória. D) Na amostragem aleatória simples os elementos de uma amostra são divididos em grupos de acordo com a característica a ser medida e os elementos da amostra são escolhidos em cada grupo. Na amostragem por conglomerado são formados grupos heterogêneos e semelhantes entre E) sim e um pequeno número de grupos com um número alto de elementos constituirá a amostra. NA PRÁTICA Muitos dados são gerados diariamente nas organizações. Informações circulam no ambiente empresarial todo o tempo. Assim, quando alguém precisa obter um dado ou uma informação para realizar a sua atividade ou tomar uma decisão, podem surgir as seguintes questões: como conseguir esse dado? Onde ele está? Qual é a ferramenta de coleta mais adequada? Preciso trabalhar com todos estes dados? O engenheiro de produção da empresa SIGA precisa simular o comportamento do sistema, mas não sabe como conseguir os dados necessários. Neste Na Prática, você vai ver como o engenheiro conseguiu os dados e como estruturou o processo de obtenção deles. SAIBA MAIS Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do professor: População e Amostra - Introdução à Estatística Neste vídeo, você aprenderá o que é população e o que é amostra, considerando a importância de defini-las para obtenção de dados para a construção dos modelos e experimentação dos sistemas em simulação. Conteúdo interativo disponível na plataforma de ensino! Análise de simulação de sistemas aplicada no setor de fast food na cidade de Mossoró - RN Neste texto, você verificará os dados necessários para a modelagem e simulação do sistema de atendimento de um restaurante de fast food. Conteúdo interativo disponível na plataforma de ensino!
Compartilhar