ANÁLISE DAS FILAS DE UM SISTEMA DE SERVIÇOS UTILIZANDO...

ANÁLISE DAS FILAS DE UM SISTEMA

DE SERVIÇOS UTILIZANDO

SIMULAÇÃO A EVENTOS DISCRETOS

Natacha Maria de Carvalho Oliveira (UNIFEI )

[email protected]

Fabio Favaretto (UNIFEI )

[email protected]

Este trabalho tem como objetivo a análise e diagnóstico das filas do

Restaurante Acadêmico da Universidade Federal de Itajubá que

apresenta um problema real de capacidade devido à demanda

crescente em consequência da expansão da universidadde. Esta análise

será realizada por meio da aplicação das técnicas de simulação a

eventos discretos. O modelo conceitual foi elaborado, utilizando a

técnica IDEF-SIM e o modelo computacional construído utilizando

uma biblioteca gráfica personalizada facilitando sua concepção e

implementação. Os modelos foram validados e a análise das filas

realizadas, identificando a fila da mesa térmica com maior impacto no

sistema referente ao tempo de espera do cliente.

Palavras-chaves: Restaurantes, Simulação a Eventos Discretos, Filas

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

A importância do setor de serviços vem se reafirmando na economia mundial nos últimos

anos. Na economia brasileira sua importância fica evidente quando comparada com outros

setores que compõe o Produto Interno Bruto – PIB, ele se destaca nos últimos 10 anos (IBGE,

2010). Confirmando o que, segundo Anderson (2006), a economia estava mudando de uma

base industrial para uma base de serviço.

Desta forma, temas como gestão da capacidade produtiva passou a ter grande relevância, pois,

o planejamento das operações de acordo com o processo ou conceito do serviço, pode garantir

que as metas de qualidade estabelecida sejam atendidas de maneira que o cliente receba o que

está esperando (GRÖNROOS, 2009).

Em organizações de serviços, são utilizadas várias estratégias para tomada de decisão a

respeito da capacidade. Um atendimento rápido e de qualidade é um dos fatores determinantes

no mercado competitivo. (HWANG, GAO, JANG, 2010)

Algumas ferramentas podem ser utilizadas para o planejamento e gestão da capacidade.

Ritzman e Krajewski (2004) sugerem entre outras ferramentas a simulação.

A Simulação é uma técnica cuja aplicação tem auxiliado os gestores na tomada de decisão em

problemas complexos, fornecendo um conhecimento melhor dos processos nas organizações.

Skoogh, Johansson e Stahre (2012) descrevem a simulação como umas das “mais poderosas

ferramentas” para planejar, projetar e melhorar o fluxo na produção.

Referente à aplicação das técnicas de simulação em operações de serviços, estudos realizados

por Sakurada e Miyake (2009), revelam que com o crescimento do setor de serviços a

realização de pesquisas sobre a aplicação da simulação tem sido estimulada. Entretanto, a

aplicação da simulação no setor de serviços é pouco quando comparada em número aos

trabalhos publicados nas áreas de manufatura e logística.

Diante do exposto, o objetivo desta pesquisa é a elaboração de um modelo de simulação a

eventos discretos de um sistema de serviço para analisar a capacidade de atendimento

diagnosticando as filas de espera. O objeto deste estudo é Restaurante Acadêmico da

Universidade Federal de Itajubá que apresenta um problema real de capacidade, devido à

crescente demanda em consequência da expansão da universidade.



3

2. Fundamentação teórica

2.1. Serviços

Sakurada e Miyake (2009) afirmam que a distinção entre bens e serviços pode ser aparen-

temente fácil, porém vale salientar que, na realidade em muitos sistemas, há uma combinação

de ambos nos processos de produção de bens ou serviços.

Serviço é a soma de elementos que se juntam para criar uma experiência inesquecível, em um

determinado ponto no tempo, para um cliente. Esses elementos incluem um produto, serviço

intangível ou tangível, uma configuração de serviço e um sistema de prestação de serviços, ou

seja, pessoas, equipamentos, organização e outros sistemas que permitam a entrega da

experiência de atendimento ao cliente (BOWEN E FORD, 2002)

Embora existam diferentes formas de conceituar serviço, algumas características essenciais se

matem frequente na literatura: intangibilidade, simultaneidade de produção e consumo e a co-

produção (LOVELOK E GUMMESSON, 2004).

2.2. Capacidade em operações de serviço

Fitzsimmons e Fitzsimmons (2005) definem capacidade como habilidade de prestar um

serviço através de um período no tempo em particular e é determinada pelos recursos

disponíveis na organização em forma de instalações, equipamentos e mão de obra. Gianesi e

Corrêa (1994) descrevem que capacidade é o potencial produtivo de um sistema.

Nas operações de serviços o gerenciamento da demanda e a utilização da capacidade são

desafios gerenciais de grande importância para obter um melhor aproveitamento na utilização

dos recursos frente a uma demanda de comportamento aleatório (SABBADINI,

GONÇALVES e OLIVEIRA, 2006).

2.3. Filas

Segundo Fitzsimmons e Fitzsimmons (2005, p. 288) “(...) fila é uma linha de clientes

esperando no momento em que necessitam de serviços de um ou mais prestadores”. Esta linha

pode ser visível, com um estereótipo de fila formal (fila de supermercado ou banco) ou não

formal (espera no telefone por atendimento). A fila se forma quando a demanda excede a



4

capacidade existente, quando as chegadas ocorrem em tempos variados e os tempos de

atendimento também variam.

Sabbadini, Gonçalves e Oliveira (2006) afirmam que o gerenciamento das filas é

fundamental, pois as filas estão relacionadas diretamente à percepção dos clientes a respeito

do serviço prestado e da necessidade de esperar por ele.

Em estudos a respeito de filas a teoria das filas pode ser aplicada como fizeram Morabito e

Lima (2000) tratando de um problema de congestão nas filas dos caixas de um supermercado.

Entretanto quando o problema é complexo, segundo Hillier e Lieberman (2006) a análise

analítica das filas é inviável tornando a simulação uma melhor alternativa, um exemplo desta

aplicação encontra-se no trabalho de Leal (2003) referente à análise das filas de uma agência

bancária.

2.4. Simulação a eventos discretos

Para Montevechi et al. (2010), a simulação é a importação da realidade para um ambiente

controlado onde o comportamento pode ser estudado sob condições variadas, sem riscos

físicos e sem altos custos envolvidos.

Chwif e Medina (2007) afirmam que a simulação a eventos discretos é utilizada para modelar

sistemas que mudam o seu estado em momentos discretos no tempo, a partir da ocorrência

dos eventos. Esta técnica pode ser aplicada em muitas áreas, inclusive no setor de serviços

como restaurantes, por exemplo.

3. Método da pesquisa

Este projeto é uma pesquisa quantitativa com base em modelos, que segundo a definição dada

por Bertrand e Fransoo (2002), é aquela cujo objetivo parte do princípio que um modelo pode

ser construído explicando e/ou capturando parte de um comportamento e/ou problema de um

processo da vida real que implicam em tomadas de decisões pelos gestores. As relações das

variáveis nestes modelos são causais e quantitativas.

Esta pesquisa utilizou a estrutura proposta por Montevechi et al. (2010), figura 01, que

recomenda para o processo de construção do modelo, a utilização de três etapas: concepção,

implementação e análise.



5

Paiva (2010) afirma que a estrutura proposta por Montevechi et al. (2010) traz uma sequência

lógica de passos a serem desenvolvidos em um projeto de simulação, guiando o modelador

em seus trabalhos.

Figura 01 - Seqüência de passos para o projeto de simulação



6

Fonte: Montevechi et al. (2010)

3.1. Concepção

O ponto de partida de qualquer estudo de simulação é desenvolver uma compreensão do

problema e ter objetivos claros, pois eles nortearão a modelagem, servirão como ponto de

referência para a validação do modelo, também será um guia para a experimentação e uma

métrica para avaliar o sucesso do estudo. Outro ponto importante é deixar claro as limitações

e o nível de detalhe do modelo (ROBINSON, 2008).

Para que a formulação do modelo seja bem embasada, Sakurada e Myake (2009) alegam que

um fator importante é que os dados coletados devem ser uma boa representação da realidade,

pois isto também influenciará na fase posterior de validação.

A técnica IDEF-SIM proposta por Leal (2008) foi utilizada neste trabalho para a elaboração e

documentação do modelo conceitual. O autor explica que a técnica de modelagem IDEF-SIM

foi criada a partir de três técnicas de modelagem: IDEF-0, IDEF-3 e Fluxograma. Os símbolos

e suas lógicas foram adaptados e direcionados aos objetivos da simulação.

3.2. Implementação

Na segunda etapa proposta por Chwif e Medina (2007) o modelo conceitual deve ser

convertido em um modelo computacional. A simulação computacional atua como uma

poderosa ferramenta, facilitando a visualização do processo e o acompanhamento dos seus

resultados.

Existem vários softwares que são utilizados para simulação, o software ProModel®, segundo

Sakurada e Myake (2009), é um simulador cujas aplicações se desenvolveram inicialmente na

simulação de sistemas de manufatura, mas sua flexibilidade de programação permitiu estender

sua aplicação a outros tipos de sistemas de operação como, por exemplo, serviço.

Para a validação do modelo conceitual e computacional podem ser utilizadas várias técnicas

como: validação face a face, animação, comparação gráfica dos dados, testes de hipóteses.

Mas, embora a verificação e validação sejam uma etapa crítica no desenvolvimento de um

modelo de simulação, infelizmente não há um conjunto de testes específicos ou técnicas que



7

podem ser facilmente aplicados para determinar se o modelo está correto. Cada projeto

apresenta um novo desafio ao modelador (SARGENT, 2011).

3.3. Análise

Na terceira etapa, análise, o modelo está pronto para os experimentos dando origem ao

modelo operacional. Várias rodadas são efetuadas e os resultados são analisados e

documentados (CHWIF E MEDINA, 2007).

4. Aplicação do método

4.1. Concepção

Considerando os objetivos para elaboração deste modelo, foram realizadas observações no

sistema e entrevistas com os gestores. Desta forma, o modelo foi limitado apenas à área de

atendimento, compreendendo o ambiente de atendimento ao cliente e a área de refeição. Este

modelo não abrange a área de produção de alimentos (o interior da cozinha) e também a área

externa como banheiros, depósitos e estacionamentos.

O tamanho do ambiente e a posição dos elementos que compõem o local também são fatores

importantes não só para concepção do modelo, pois determinam a posição das filas e dos

locais de atendimento como também influenciaram a forma de gestão do restaurante.

4.1.1. Modelo conceitual

Por meio da entrevista com os gestores os preceitos de funcionamento do restaurante foram

identificados e o modelo conceitual elaborado utilizando a técnica IDF-SIM (figura 02).

O sistema de prestação de serviço do restaurante para o almoço é o self-service com balança,

ou seja, o cliente chega ao restaurante, se serve dos alimentos, pesa o prato em uma balança,

onde os valores são registrados por um atendente e paga o que foi consumido (refeição e/ou

outros produtos) no caixa.

O sistema de gestão do restaurante requer que todos os clientes, que consomem refeições,

sejam cadastrados. Existem duas modalidades de cadastro:

Cartão pré-pago: o cliente realiza o cadastro e solicita o cartão por meio do site ou do

próprio escritório do restaurante. A compra dos créditos, ou seja, a carga do cartão é



8

realizada no caixa do restaurante em qualquer horário. Este dois procedimentos não

interferem no fluxo de atendimento no horário do almoço. O procedimento de débito

do cartão referente à refeição e outros produtos é feito diretamente na balança quando

ele pesa o alimento a ser consumido.

Comanda: quando o cliente não possui o cartão pré-pago um cadastro é realizado na

mesa da comanda durante o horário do almoço. Desta forma o cliente recebe um

número (comanda), e neste é registrado seu consumo no restaurante devendo ser pago

no caixa.

Considerando às modalidades de cadastros e também outras características do processo,

foram identificados 06 tipos de clientes. A tabela 01 elenca os tipos de clientes e as

características que os diferenciam.

Tabela 01 – Tipos de clientes e suas características



9

Fonte: Elaboração própria

Figura 02- Mapeamento do processo de prestação de serviço utilizando a técnica IDEF-SIM



10


O modelo conceitual foi validado em duas etapas:

Etapa 01: um especialista nas técnicas IDEF-SIM, sem conhecimento do sistema real,

realizou uma análise do modelo e o considerou correto;



11

Etapa 02: os especialistas no processo do sistema real analisaram o modelo conceitual

e o considerou condizente com o processo real.

4.1.2. Coleta e tratamento dos dados

A partir do modelo IDF-SIM, figura 02, foram identificados quais os dados de entrada seriam

necessários para alimentar o modelo computacional, tabela 02.

Tabela 02 – Elementos identificados para construção do modelo computacional


Quant. Descrição Capacidade

Recurso/

operador Informações Gerais

En

tid

ad

es 03

tipos Tipos de Clientes:

01 A e 01 B

02 A e 02 B

03 A e 03 B

Identificados em observação

do sistema real, coleta de

dados e modelo

computacional.

En

tra

da

01 Ciclos de Chegada

É o % da chegada dos

clientes no horário de

atendimento do almoço

11h às 13h30min

Identificado nos relatórios

fornecidos pelos gestores

Hora % de clientes que

chegam

11:00 às 12:00.............30%

12:01 às 12:30.............40%

12:31 às 13:00.............30%

13:01 às 13:30.............10%

Ou

tra

s fu

nçõ

es

01 Distribuição do usuário

É o % de cada tipo de

cliente que faz parte da

demanda total

Identificados por meio dos

relatórios fornecidos pelos

gestores

07%............Tipo 01A

08% ...........Tipo 01B

20% ...........Tipo 02A

25%............Tipo 02B

21%............Tipo 03A

19% ...........Tipo 03B

Lo

cais

/fu

nçõ

es

01 Mesa da Comanda 01 Cliente por

vez

01

01 Mesa Térmica 18 Clientes,

09 de cada

lado.

Não se

aplica

02 Balanças no lado direito

01 (parede) e 02 (coluna)

01 Cliente por

vez

01 por

balança

02 Balanças no lado

esquerdo 03 e 04

01 Cliente por

vez

01

01 Área de Refeição 300 clientes Não se

aplica

01 Lanchonete 04 clientes 03

03 Caixas 01 cliente cada 01 por

caixa

01 Descarte de bandejas 02 clientes por

vez

Não se

aplica



12

A coleta de dados foi realizada durante todo o horário de almoço (11h às 13h30min.) em

várias etapas e foi necessário refazê-las algumas vezes devido a complexidade do sistema.

Para o tratamento dos dados foi utilizado o software estatístico Minitab e o pacote Stat::Fit®

do software ProModel® a fim de identificar em qual distribuição os dados poderiam ser

ajustados.

Para os dados cujas distribuições não foram identificadas pelo Minitab e Stat::Fit® foi

adotada a distribuição triangular. De forma semelhante Chwif e Medina (2006) utilizaram a

distribuição triangular para tempos de atendimento em caixas de uma agência bancária.

4.1.3. Implementação

Para a elaboração do modelo computacional foi utilizado o software ProModel® (figura 03) e

a partir da planta baixa original do restaurante, foi possível obter uma biblioteca gráfica

personalizada utilizando o software Sweet Home 3D. A apresentação gráfica semelhante ao

sistema real facilitou na elaboração do modelo conceitual, coleta de dados e na validação do

modelo computacional.

Figura 03–Modelo computacional utilizando o ProModel®



13


Para validação deste modelo foi realizada uma rodada do modelo computacional e a cada 10

minutos o modelo foi pausado a fim de verificar a quantidade de pessoas nas filas de espera

em cada função. De forma semelhante, foi realizado no sistema real, ou seja, a cada 10

minutos a quantidade de pessoas nas filas em cada função foi identificada.

Com o resultado, foram analisados, primeiramente, se a quantidade de pessoas nas filas no

modelo computacional era próximo à quantidade de pessoas no sistema real que foram na

registrados nos horários determinados. Constatou-se que as filas estavam coerentes, desta

forma a função no ProModel® Distribuição do Usuário e Ciclo na entrada do modelo

computacional estavam corretos, assim como a demanda estimada.

O segundo passo foi verificar se estatisticamente as médias referentes à quantidade de pessoas

nas filas para os dois sistemas (real e computacional) seriam iguais. Para tanto foi realizado

um Teste de Hipótese, ANOVA, no programa Minitab, para cada fila. A figura 04 apresenta

um exemplo deste teste. A hipótese não pode ser rejeitada, pois com um intervalo de



14

confiança de 95%, constatou-se que as médias de todas as filas, do sistema simulado

comparadas com sistema real, são estatisticamente iguais.

Figura 04 – Teste ANOVA, fila da mesa térmica do sistema real x modelo computacional


A figura 05 demonstra o comportamento das filas da mesa térmica (sistema real e modelo

computacional), desta forma é possível verificar se a quantidade de pessoas na fila e também

a chegada dos clientes no modelo computacional estão coerentes com o sistema real durante o

tempo percorrido.

Figura 06 – Comportamento das filas da mesa térmicado sistema real e modelado


Após realizar esta validação estatística, o modelo foi apresentado ao gestor do restaurante,

especialista do processo do sistema real, que o considerou semelhante ao sistema real.



15

4.1.4. Análise dos resultados e diagnóstico das filas

No restaurante não há um registro ou conhecimento claro dos tempos de espera, atendimento

e também da permanência total do cliente no restaurante. Outra questão é referente á

modalidade de cadastro do restaurante, qual seria o benefício real para o cliente e para o

restaurante referente ao tempo de espera em cada modalidade. As figuras 07 e 08 mostram o

tempo médio e máximo de espera para cada tipo de cliente em cada fila.

Figura 07 – Tempo médio de espera nas filas por cliente (em minutos)


Figura 08 – Tempo máximo de espera nas filas por cliente (em minutos)

0

1

2

3

4

5

6

7

8

9

10

11

12

1A 1B 2A 2B 3A 3B

LANCHONETE CARTÃO COMANDA

CLIENTES

FILA COMANDA

FILA MESA TÉRMICA

FILA BALANÇAS

FILA BALCÃO

FILA CAIXA

FILA LANCHONETE



16


Identificado o tempo de espera em cada fila, a figura 09 evidência o tempo total de espera,

médio e máximo, para cada tipo de cliente.

Figura 09 – Tempo total de espera por tipo de cliente (em minutos)


Ao comparar o tempo médio de espera com o tempo médio de permanência do cliente no

restaurante obteve-se os seguintes resultados identificados na figura 10.

Figura 10 - % do tempo gasto pelo cliente no restaurante

0 1 2 3 4 5 6 7 8 9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

1A 1B 2A 2B 3A 3B


CLIENTES

FILA COMANDA

FILA MESA TÉRMICA

FILA BALANÇAS

FILA BALCÃO

FILA CAIXA

FILA LANCHONETE

0 5

10 15 20 25 30 35 40 45 50 55 60

1A 1B 2A 2B 3A 3B


CLIENTES

TEMPO TOTAL NAS FILAS TEMPO MÉDIO

TEMPO TOTAL NAS FILAS TEMPO MÁXIMO



17


5. Conclusões

Este trabalho descreve um modelo de simulação a eventos discretos do sistema de prestação

de serviço em um restaurante universitário. Este tem como objetivo analisar a capacidade de

atendimento diagnosticando as filas de espera do processo de serviço.

O diagnóstico das filas foi realizado, identificando o tempo de espera do cliente assim como

sua contribuição percentual em função ao tempo total no restaurante. A fila da mesa térmica é

a que proporciona maior impacto no sistema referente à espera do cliente.

Referente à modalidade de cadastro do cliente no restaurante, o cartão pré-pago se mostrou

mais eficiente, diminuindo o tempo de espera do cliente em relação à modalidade da

comanda.

Com este modelo os gestores podem criar cenários e fazer modificações necessárias ao

restaurante e testar sua eficácia sem a necessidade de realizar “experiências” no sistema real.

REFERÊNCIAS

ANDERSON, J.R. Managing Employees in the Service Sector: a Literature Review and Conceptual

Development. Journal of Business and Psychology. Volume 20, No. 4, 501-523, 2006

BAINES, T.; MASON, S.; SIEBERS, P.; LADBROOK, J. Humans: the Missing Link in Manufacturing

Simulation? Simulation Modeling Practice and Theory, Vol. 12 p 515–526, 2004.



18

BERTRAND, J.W.M.; FRANSOO, J.C. Modeling and Simulation: Operations Management Research

Methodologies Using Quantitative Modeling. International Journal of Operation & Production

Management, Vol. 22, No. 2, pp. 241-264, 2002.

BOWEN, J.; FORD, R. C. Managing Service Organizations: Does Having a “Thing” Make a Difference?

Journal of Management, Vol. 28, No. 3, pp. 447 – 469, 2002.

CHWIF, L.; MEDINA, A. C. Uma Análise Crítica da Lei Municipal 13.948 ou “Lei das Filas” sob a Ótica da

Pesquisa Operacional: Conclusões Derivadas de Modelos de Simulação de Eventos Discretos. XXVI ENEGEP

– ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, Fortaleza, CE, 2006.

CHWIF, L.; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria e Aplicações. 2a ed. rev.

São Paulo: Ed. dos Autores, 2007.

FITZSIMMONS, J. A; FITZSIMMONS, M. J. Administração de Serviços: Operações, Estratégia e

Tecnologia de Informação. 4a ed. Porto Alegre: Bookman, 2005.

GIANESI, I. ; CORRÊA, H. L. Administração Estratégica de Serviços: Operações para a Satisfação do

Cliente. São Paulo: Atlas, 1994.

GRÖNROOS, C. Marketing Gerenciamento e Serviços. 3ª ed. Rio de Janeiro: Elsevier, 2009.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 8ª ed. São Paulo: McGraw-Hill,

2006.

HWANG, J.; GAO, L.; JANG, W. Joint Demand and Capacity Management in a Restaurant system. European

Journal of Operational Research. Vol. 207, pp. 465-472, 2010.

IBGE - INSTITUITO BRASILEIRO DE GEOGRAFIA E ESTATÍSITCA. Sistema de Contas Nacionais

Trimestrais. Brasil 2010. Disponível em:

<http://www.ibge.gov.br/home/estatistica/indicadores/pib/defaultcnt.shtm>. Acesso em: 21/05/2011.

LEAL, Fabiano. Um Diagnóstico do Processo de Atendimento a Clientes em uma Agência Bancária

Através de Mapeamento do Processo e Simulação Computacional. Dissertação (Mestrado em Engenharia de

Produção). Universidade Federal de Itajubá, 2003.

LEAL, F.; ALMEIDA, D. A. e MONTEVECHE, J. A. B. Uma Proposta de Técnica de Modelagem Conceitual

para a Simulação através de Elementos do IDEF. Anais do XL SIMPÓSIO BRASILEIRO DE PESQUISA

OPERACIONAL. João Pessoa (Paraíba), 2008.

LOVELOCK, C.; GUMMESSON, E. Whither Services Marketing? In Search Of a New Paradigm and Fresh

Perspectives. Journal of Service Research, Vol. 7, No. 1, pp. 20-41, 2004.

MORABITO, R.; LIMA, F. C. R. Um Modelo para Analisar o Problema de Filas em Caixas de Supermercados:

um Estudo de Caso. Pesquisa Operacional, Vol. 20, No. 1, PP. 59-71, 2000.

MONTEVECHI, J. A. B.; PINHO, COSTA, R. F. S.; OLIVEIRA, M.L; SILVA, A.L.F. Conceptual Modeling in

Simulation Projects by Mean Adapted IDEF: an Application a Brazilian Tech Company. In: WINTER

SIMULATION CONFERENCE, Baltimore, MD, USA, 2010.

PAIVA, C. N. A Relevância do Fator Humano na Simulação Computacional. Dissertação (Mestrado em

Engenharia de Produção). Universidade Federal de Itajubá, 2010.

RITZMAN, L. P.; KRAJEWSKI, L. J. Administração da Produção e Operações. São Paulo: Prentice Hall,

2004.



19

ROBINSON; S. Conceptual Modeling for Simulation Part II: a Framework for Conceptual Modeling. Journal of

the Operational Research Society. Vol.59, pp. 291-304, 2008.

SABBADINI, F.; GONÇALVES, A. A.; OLIVEIRA, M. J. F. Gestão da Capacidade de Atendimento e

Simulação Computacional para a Melhoria na Alocação de Recursos e no Nível de Serviço em Hospitais. Em:

III SEGET - SIMPOSIO DE EXCELÊNCIA EM GESTÃO E TECNOLOGIA. 2006

SAKURADA, N.; MIYAKE, D. I. Aplicação de Simuladores de Eventos Discretos no Processo de Modelagem

de Sistemas de Operações de Serviços. Gestão e Produção, Vol. 16, No.1, p. 25-43 2009.

SARGENT, R. G. Verification and Validation of Simulation Models. In Proc. WINTER SIMULATION

CONFERENCE. Nova York, USA, 2011.

SKOOGH, A.; JOHANSSON, B. e STAHRE, J. Automated Input Data Management: Evaluation of a Concept

for Reduced Time Consumption in Discrete Event Simulation. Simulation, Vol. 88, No. 11, pp. 1279 – 1293,

2012.

Date post:	10-Jun-2020
Category:	Documents
Upload:	others
View:	0 times
Download:	0 times

ANÁLISE DAS FILAS DE UM SISTEMA DE SERVIÇOS UTILIZANDO...

Documents