MODELAGEM E SIMULAÇÃO DO ATENDIMENTO EM UM...

MODELAGEM E SIMULAÇÃO DO

ATENDIMENTO EM UM

RESTAURANTE UNIVERSITÁRIO

UTILIZANDO O SOFTWARE ARENA

WENDELL RAMON BARBOSA MACHADO (UNIVASF )

[email protected]

Joao Marques de Melo Filho (UNIVASF )

[email protected]

Rodrigo Jambeiro Pinto (UNIVASF )

[email protected]

Andre Muritiba Araujo (UNIVASF )

[email protected]

Edson Tetsuo Kogachi (UNIVASF )

[email protected]

O objetivo deste trabalho foi analisar, identificar os principais

gargalos de um restaurante universitário do tipo self-service e propor

melhorias no atendimento mediante uso da modelagem e simulação de

eventos discretos. A dinâmica operaciional do restaurante no período

de maior fluxo, horário do almoço, foi modelada e dados coletados de

chegadas e atendimentos foram introduzidos no software de Simulação

Arena. Na sequência, os resultados da simulação do modelo virtual,

foram comparados com a realidade das filas enfrentadas pelos

usuários e validados junto aos usuários e gestores do restaurante. A

partir da validação do modelo, pôde-se, então, estudar e simular

diferentes alternativas em busca da redução do tempo de fila dos

usuários, melhorando assim o atendimento. Os resultados mostraram

que a adaptação de um buffet térmico, redistribuição das estações de

suco e tempero e uso adequado da catraca eletrônica podem reduzir os

tempos de fila em 97%. Os conceitos da engenharia de produção, em

especial a modelagem computacional de eventos discretas, foram

aplicados neste trabalho proporcionando soluções simples, de baixo

custo, sem aumentar o número de atendentes para o serviço,

representando satisfação dos usuários, gestores e concessionária do

restaurante.

Palavras-chave: Modelagem, Simulação, Restaurante, Filas, Arena

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.


João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

2

1. Introdução

Um dos serviços mantidos por algumas dessas universidades, diz respeito à alimentação de

docentes, servidores e discentes, geralmente realizados pelos chamados Restaurantes

Universitários (RUs) (SOUZA; SILVA, 2011). Esses restaurantes localizam-se dentro do

campus universitário e tem parte do valor das refeições subsidiado pela universidade,

auxiliando na manutenção dos alunos de baixa renda, podendo também estar aberto ao

público externo e constituir uma opção de refeição a comunidade a preços razoáveis.

Em centros universitários, por sua vez, o modelo de restaurante predominante é o self-service

(ALVES; UENO, 2010). De acordo com Abreu e Torres (2003), um restaurante self-service

trata-se de um sistema de autosserviço no qual os alimentos ficam expostos geralmente em

uma rampa de buffet térmica e o próprio consumidor tem a tarefa de se servir. O pagamento

nesse tipo de estabelecimento pode ser efetuado levando em consideração o peso da comida

ou por um preço fixo pré-determinado (ABREU; TORRES, 2003).

Por necessitar da agilidade dos próprios clientes na formação do prato e pelo sistema de

serviço projetado requerer dos consumidores que se sirvam um-a-um e em sequência, os

cenários apresentados pelos restaurantes self-service remetem a profundas filas (GRANATO,

2014).

Arenales et al. (2007) afirmam que a causa da formação de filas se dá pela incapacidade

estrutural do sistema em atender um determinado aumento no número de consumidores

envolvidos no processo.

Desta forma, a teoria das filas surge como ferramenta importante de estudo, pois utiliza

modelos matemáticos a fim de representar um sistema de filas, além de quantificar os

indicadores que descrevem a eficiência de um sistema (HILLIER & LIBERMAN, 2006).

No entanto, modelos que apresentam a obrigatoriedade de sistemas Markovianos e não

sequenciais, por exemplo, são impossibilitados de serem representados pela teoria das filas

necessitando, portanto, da Simulação de Eventos Discretos para a modelagem dos problemas

(GRANATO, 2014).

A simulação de um modelo, então, permite compreender a dinâmica de um sistema, bem

como analisar e prever o consequente efeito das mudanças que possam ser introduzidas ao

mesmo (FERNANDES et al., 2006).



3

Sendo assim, este trabalho teve como objetivo analisar, descrever um modelo computacional

a fim de simular a dinâmica operacional de um restaurante universitário do modelo self-

service e propor melhorias no atendimento.

2. Fundamentação teórica

No Brasil, mais especificamente, um serviço que se destaca dentre as possibilidades

oferecidas, é o de alimentação, ganhando representação principalmente na figura dos

restaurantes, os quais configuram, no âmbito social, o local para realização de refeições

(ALVES; UENO, 2010). Esse fato encontra ainda relativa base de apoio na constatação de

que a escolha do brasileiro por realizar refeições em restaurantes, de maneira geral, é

traduzida em números significativos, indicando já ser algo comum na cultura do cidadão.

No entanto, isso não pode ser encarado como garantia de sucesso e sobrevivência para os

restaurantes, afinal, conforme Covariharter et al. (2013, p.35), quanto a análise de utilidade na

teoria do consumidor, “o consumidor faz a escolha de bens e serviços que maximize sua

utilidade, isto é, que os mais faz feliz”.

Nesse quesito, o grande obstáculo das organizações prestadoras de serviço encontra-se, muitas

vezes, no fato do cliente ser exposto, por tempo significativo, a filas.

Portanto, encontrar soluções para esse tipo de problema torna-se fundamental para garantir a

prestação de um serviço de qualidade. Nesse sentido, Carneiro (2008) destaca que as

principais técnicas disponíveis e utilizadas para estudo de filas são a teoria analítica das filas e

a simulação computacional, sendo esta última, por se tratar de aplicação em avaliação

experimental, a mais indicada.

De acordo com Alves e Ueno (2010), é comum nos mais diversos setores da economia, ao

buscarem lidar com gargalos, a opção por realizar estudos simulados em vez de testes que

afetem diretamente a rotina da organização, pois isso evita expô-la a riscos elevados.

Sendo assim, os mesmo autores afirmam que:

“A simulação é uma ferramenta que o engenheiro tem a disposição para estudar e

entender a dinâmica de um sistema sem que se façam alterações no mesmo. Por

meio de um modelo que descreva o comportamento do sistema é possível realizar

modificações e verificar qual seria os efeitos que estas trariam, com um custo menor

do que se fossem fazer modificações no sistema real” (ALVES; UENO, 2010, p.17).

As principais vantagens da utilização desta ferramenta vêm da possibilidade de um eventual

modelo criado ser utilizado diversas vezes, não exigindo custos ou dependência da



4

disponibilidade do sistema real para realização dos testes (LAW e KELTON, 2000 apud

ALVES et al., 2013).

Na verdade, com a rápida evolução da informática ao longo das últimas décadas, a simulação

passou a ter como grande aliado justamente os computadores, que, mediante a sofisticação

dos softwares e significativo poder de processamento dos hardwares, contribuíram para

ampliar e facilitar a utilização desta ferramenta (BANKS, 2000; PASTORE, et al., 2010 apud

ALVES; UENO, 2010).

Nesse sentido, hoje, dentre os diversos simuladores computacionais disponível no mercado,

destaca-se o Arena, que, de acordo com Alves et al. (2013), trata-se do software mais usado

no mundo empresarial e acadêmico.

Ainda segundo Alves et al. (2013, p.4), desenvolvido em 1993 e pertencente a Rockwell

Software Corporation, o Arena é definido como “um ambiente gráfico integrado de

simulação, que contém inúmeros recursos para modelagem, animação, análise estatística e

análise de resultados”.

Prado (2010), por sua vez, ressalta que, indo além do ambiente de elaboração de modelos para

simulação, o Arena também disponibiliza duas ferramentas bastante importantes para

avaliação de dados: o Input Analyzer, que analisa os dados de entrada (inclusive dados reais

do processo estudado) e possibilita a escolha e incorporação ao modelo da melhor distribuição

estatística que se aplica aos dados; e o Output Analyzer, que analisa os dados de saída

(fornecidos pela simulação) e permite realizar comparações estatísticas.

3. Material e métodos

Este trabalho trata-se de uma pesquisa exploratória, na qual se buscou avaliar o problema

relativo às filas apresentadas em um restaurante universitário. Todos os procedimentos

técnicos atrelados à investigação referem-se a um estudo de caso exclusivo, nos quais todos os

resultados são válidos para a situação em estudo (TURRIONI & MELLO, 2011). Utilizou-se

o software Arena® para simulação dos processos e análise dos tempos coletados.

A pesquisa foi estruturada e desenvolveu-se por meio de seis etapas explicitadas na Figura 1 a

seguir.

Figura 1 - Etapas de pesquisa



5

Fonte: Elaborado pelos autores

As coletas dos tempos de chegada, processamento e saída dos clientes do RU ocorreram

mediante anotações dos pesquisadores no período compreendido entre 15 e 16 de fevereiro de

2016 (segunda e terça) das 11:00h às 14:00h com abordagens em quatro fases distintas: a

primeira representando o tempo entre chegada dos clientes; a segunda demonstrando o tempo

que os clientes levam na formação do seu prato; a terceira referente ao tempo de tempero da

comida; a quarta diz respeito ao tempo para colocar o suco; a quinta remete ao tempo de

recolhimento das bandejas após a refeição.

3.1 Identificação da amostra

A identificação da amostra, a priori, foi convencionada a partir da análise do histórico médio

de clientes em todas as modalidades que frequentam o restaurante diariamente. Desse modo, o

tamanho amostral foi definido e os dados foram coletados mediante a cronometragem dos

tempos de chegada e processo. Considerou-se para este estudo um intervalo de confiança

desejável de 95% e margem de erro mínima de ±5%.

Segundo Barbetta (2004) citado por Martins et al. (2012) quando se conhece o tamanho da

população é possível calcular a dimensão da amostra através das equações (1) e (2):

Onde 𝑁 é o tamanho da amostra (número de elementos) da população, 𝑛 é o tamanho (número

de elementos) da amostra, 𝑛o é uma primeira aproximação para o tamanho da amostra e 𝐸o

corresponde ao erro amostral tolerável pela pesquisa.

Após o cálculo fomentado pela utilização das fórmulas, constatou-se que o número mínimo de

clientes a serem identificados foi de 312 (trezentos e doze) para garantir o nível de confiança

da pesquisa. No entanto, o número total de pessoas estudadas (367) foi superior ao mínimo

estabelecido garantindo, dessa forma, mais fidedignidade ao modelo real.

3.2 Coleta de dados



6

Após a identificação da amostra, concluiu-se na etapa de definição do modelo a necessidade

de determinar as seguintes variáveis:

Tempos entre chegadas dos clientes;

Tempos para os clientes comprarem a ficha de acesso;

Tempos para os clientes se servirem na mesa de buffet;

Tempos para temperar as refeições;

Tempo para colocar o suco;

Tempos para devolução das bandejas e utensílios.

3.3 Número de replicações

Freitas Filho (2008) define que a coleta de dados para a composição de uma amostra a partir

da simulação de um modelo pode ser realizada de duas maneiras distintas, sendo elas:

a) Fazer análises e observações dentro de cada replicação. Por exemplo, pode-se simular

a modelagem do restaurante e utilizar o tempo que cada cliente aguardou na fila do

buffet e realizar uma estimativa do tempo médio total de espera. Neste caso, o

tamanho amostral estará ligado à quantidade de clientes que passaram durante a

simulação.

b) Realizar n simulações (replicações), em que cada replicação gera um elemento para a

amostra. Haja vista que se está lidando com um sistema terminal no qual as condições

iniciais e o período de simulação são fixos, para garantir que os valores da amostra

sejam estatisticamente independentes, a melhor alternativa são obtê-los a partir de

replicações independentes.

Para este trabalho, o número de replicações (n*) foi obtido através da Equação (3).

Em que:

n = número de replicações já realizadas;

h = semi-intervalo de confiança obtido;

h* = semi-intervalo de confiança desejado.

Com o objetivo de validar o modelo, comparou-se os valores das variáveis geradas pela

simulação com aqueles obtidos através do sistema real.

4. Resultados e discussões



7

4.1 Estudo de caso

O Restaurante Universitário, localizado na UNIVASF do Campus Juazeiro, oferece almoço e

jantar aos seus clientes (discentes, servidores e público externo). Neste trabalho, estudou-se

apenas o funcionamento do almoço, pois é o período de maior demanda e onde reside o

desconforto provado pelas filas.

O layout do restaurante, apresentado na Figura 1, apresenta no espaço abarcado pela letra (M)

onde estão dispostas as mesas. Este local conta com 80 mesas, cada uma com 4 lugares,

totalizando 320 lugares. O espaço representado pela letra (F) diz respeito ao local onde a

compra de fichas de acesso ao restaurante é realizada; a letra (B), por sua vez, indica onde

estão localizados os utensílios, bandejas e pratos, bem como os dois balcões de buffet; no que

tange à letra (S), esta busca representar a máquina de suco; a mesa de tempero é identificada

pela letra (T) e o local de devolução das bandejas após as refeições é concebido pela letra (D).

Figura 2 - Layout inicial do restaurante universitário




8

O modelo foi definido a partir da observação direta do sistema, com o objetivo de caracterizar

a organização dos recursos e a dinâmica das operações. Para tanto, as atividades de front

Office, ou seja, apenas atividades do serviço de atendimento ao público, representam as

fronteiras deste estudo. A partir da observação in loco identificou-se que, embora o gargalo

inicial do sistema seja o processo do buffet, outros pontos também apresentam restrições

significativas, demandando análises e melhorias. A Figura 2 ilustra o fluxograma do sistema

estudado.

Figura 3 - Fluxograma do sistema estudado

Não

Chegada dos Clientes

Servir alimentoServir Suco /

TemperoSaídaComprar ficha? Compra de fichaSim


O processo inicia no instante em que os clientes chegam ao restaurante, de acordo com os

dados coletados, 43% compram ficha no momento da chegada e outros 57% entram direto,

por possuir cartão magnético ou por terem comprado a ficha anteriormente. A entrada de

clientes apresentada na Figura 3, foi programada via Schedule, utilizando um fator de escala

de 1,1 para melhor ajuste com a realidade, contemplando a entrada média de 436 pessoas.

Tabela 1 - Schedule de chegada

Entrada média

por horaDuração (min)

80 30

300 20

250 30

150 20

50 80


Como não foi identificado nenhum outlier, através da ferramenta Input Analyzer do Arena,

determinou-se as curvas de distribuição teórica de probabilidades que representassem o

comportamento estatístico do sistema.

4.1 Simulação de cenários

Para analisar o sistema, foram modelados quatro cenários:

a) Cenário 1: Compra de fichas, 2 rampas de buffet, suco e tempero juntos (Sistema

Atual);



9

b) Cenário 2: Compra de fichas, 3 rampas de buffet, suco e tempero juntos;

c) Cenário 3: Compra de fichas, 3 rampas de buffet, suco e tempero separados;

d) Cenário 4: Catraca biometria, 3 rampas de buffet, suco e tempero separados.

Na Tabela 1 estão apresentados os resultados da simulação do sistema para cada um dos

quatro cenários. Observa-se que os resultados foram obtidos após aplicação da Equação (3),

simulando para o primeiro cenário 107 replicações, segundo cenário 217 replicações, terceiro

cenário 307 replicações e quarto cenário 194 replicações. Este número de replicações foi

definido com nível de significância de 95% utilizando a ferramenta Output Analyzer do

ARENA.

Tabela 2 - Resultado dos cenários

Taxas Cenário 1 Cenário 2 Cenário 3 Cenário 4

Tempo médio de fila

no sistema (min) 9,54 8,78 3,84 0,11

Tempo máximo de fila

no sistema (min) 19,82 23,14 11,06 0,54

Grau de utilização

(Atendente caixa) 46,55% 46,45% 45,67% 10,01%


(Atendente 1) 66,81% 16,30% 16,65% 19,75%


(Atendente 2) 39,00% 44,85% 44,83% 42,57%


Conforme os dados apresentados na Tabela 1, conclui-se que a prospecção dos cenários está

diretamente ligada a detecção dos problemas da simulação testada possibilitando, de certa

forma, a implementação gradativa de melhorias nos cenários posteriores. No Cenário 1 (atual)

por exemplo, evidenciou-se um alto valor no tempo máximo de fila no sistema referente a

soma dos tempos de fila na compra da ficha, no suco, nos temperos e principalmente nos

buffets.

No Cenário 2, por sua vez, atuou-se no principal gargalo, implementando-se um terceiro

buffet, no entanto, observou-se um aumento no tempo máximo de fila, decorrente do

deslocamento do gargalo das rampas de buffet, para a máquina de suco. O acréscimo de um



10

buffet mostrou-se viável, uma vez que o grau de utilização do Atendente 1 diminuiu

drasticamente em 75%, enquanto o grau de utilização do Atendente 2 que serve a proteína no

buffet 2 e também passa a servir no 3 aumenta em apenas 15%.

No entanto, com a formação do gargalo na máquina do suco, uma nova medida precisava ser

adotada para solucionar esse problema. O Cenário 3, então, foi projetado de maneira a

realocar a máquina de suco para outro local do restaurante, além de permitir a implementação

de uma segunda máquina (que embora ainda não utilizada, já se encontra a disposição do

restaurante, não representando, portanto, novos custos a empresa), o que, por sua vez, deixaria

a mesa para uso exclusivo do processo de temperar. Como resultado, tanto o tempo médio de

filas quanto o tempo máximo reduziram 52,2% e 56,3%, respectivamente, em relação aos

resultados anteriores.

Por fim, no que diz respeito ao problema da formação de filas, restou ainda aquelas formadas

no processo de compra da ficha. Sendo assim, foi criado o Cenário 4, o qual projetou como

principal medida a utilização completa da catraca eletrônica. Esse sistema, que funciona via

biometria ou leitura eletromagnética de cartões, já se encontra instalado no restaurante,

entretanto, hoje, funciona apenas parcialmente já que não houve o cadastramento biométrico

de todos os usuários e o cartão para compra de refeições antecipadas não está sendo

recarregado.

Com a implementação dessa opção, foi suposto, dado o fato de grande parte dos usuários mais

frequentes já possuírem cadastro no sistema, que apenas 10% continuaria comprando fichas

(provavelmente, em sua maioria, os frequentadores eventuais), enquanto os outros 90%

acessariam o restaurante usando a biometria ou o cartão. Diante disso, o tempo médio e o

tempo máximo em filas no sistema, diminuíram consideravelmente, passando a ser apenas

0,11 minutos (ou 6 segundos) em tempo médio e 0,54 minutos (ou 32 segundos) no tempo

máximo de fila, o que representou, em ambos os casos, uma redução superior a 95% em

relação ao cenário atual.

5. Considerações Finais

Diante dos resultados das análises realizadas de maneira a validar a simulação computacional

desenvolvida em software ARENA, pode-se concluir que está se encontra apta para simular

os processos reais do restaurante.

Com os dados oferecidos pelo modelo computacional, foi possível perceber que os principais

gargalos foram: filas nas rampas de buffet, nos processos de suco e tempero e na compra de



11

fichas. Cabe destacar que as duas primeiras foram aquelas que apresentaram os números mais

expressivos em tempo de fila, valores esses que podem ser considerados altos mediante o

tempo de intervalo de almoço considerado.

Além disso, observou-se que no Cenário 4, onde foram integradas todas as melhorias

sugeridas e até então exploradas individualmente nos cenários anteriores (adição de nova

rampa no buffet, melhorias de layout e uso pleno do sistema de cartões/biometria), houve, em

relação a situação inicial do restaurante, redução significativa do tempo máximo de fila. A

busca deste cenário se mostra atraente considerando as melhorias projetadas para os usuários,

ações factíveis e sem complexidade para a concessionária e investimentos reduzidos para os

gestores.

Sendo assim, é inegável que a utilização dessa ferramenta computacional possibilitou geração

de conhecimento a todos os envolvidos, uma vez que tornou possível a aplicação prática dos

conhecimentos acadêmicos adquiridos pelos discentes. Além disso, o fato da simulação ser

um processo onde se pode avaliar melhorias sem resultar em custos, constituiu novo

instrumento para os gestores da universidade e do restaurante estudarem medidas de

planejamento estratégico que otimizem a realização de suas operações.

REFERENCIAS

ABREU, E.S.; TORRES, E.A.F.S. Restaurante "por quilo": vale o quanto pesa? Uma

avaliação do padrão alimentar em restaurantes em São Paulo, SP. Nutrire, v. 25, n. único,

p.7-22, 2003.

ALVES, M. G.; UENO, M. Restaurantes self-service: segurança e qualidade sanitária dos

alimentos servidos. Revista de Nutrição, Campinas, v. 23, n. 4, p.574-580, jul./ago. 2010.

Bimestral.

ALVES, R.; SANTOS, J. A. A.; POSSAN, E.; SCHMIDT, C. A. P. Simulação da dinâmica

operacional de um pequeno restaurante universitário: um estudo de caso. In: Encontro

nacional de engenharia de produção, 33, Salvador: anais..., 2013.

ARENALES, M. N. ARMENTANO, V.A.; MORABITO, R.; YANASSE, H. H. Pesquisa

operacional. 6 ed. Rio de Janeiro, RJ: Elsevier, 2007

CARNEIRO, W. M. Experimentação em um sistema de filas utilizando a simulação

computacional: um estudo de caso. In: Encontro Nacional de Engenharia de Produção, 28,

Rio de Janeiro: anais..., 2008.

COVARIHARTER, A.; SILVA, C. E. S. F.; SNEYDER, D.; SIQUEIRA, R. F. Estudo de

caso sobre a satisfação do Restaurante Universitário-RU. Revista de Estudos Sociais, v.15,

n.30, p.33, 2013.



12

FERNANDES, C. A.; SILVA, L. C. da; PEREIRA, J. O.; YAMAGUCHI, M. M. Simulação

da dinâmica operacional de uma linha industrial de abate de suínos. Ciência & Tecnologia de

Alimentos. v. 26, n.1, p. 166-170, 2006.

FREITAS FILHO, P. J. de. Introdução à modelagem e simulação de sistemas: com

aplicações em Arena. 2 ed. Florianópolis: Visual Books, 2008.

GRANATO, B D. Simulação do sistema de serviço em um restaurante. 2014. 57 f. TCC

(Graduação) - Curso de Graduação em Engenharia de Produção, Universidade Federal de Juiz

de Fora, Juiz de Fora, 2014.

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

McGraw-Hill. 2006.

MARTINS. V. W. B.; TRINDADE, S. R. S.; MACÊDO, A. N.; NEVES, R. M. Utilização do

modelo SERVQUAL em uma rede de supermercados como instrumento de avaliação da

qualidade. Iberoamerican Journal of Industrial Engineering, Florianópolis, SC, Brasil, v.

4, n. 7, p. 279-296, 2012.

PRADO, D. Usando o ARENA em simulação.v.3, 4ed. Nova Lima: INDG - Tecnologia e

Serviços LTDA, 2010. 307 p.

SOUZA, F. A.; SILVA, C. A. T. Análise dos recursos públicos aplicados no restaurante

universitário de uma instituição federal de ensino superior. Revista Gestão Universitária da

América Latina, v.4, n. 2, p.01-28, mai/ago. 2011.

TURRIONI, J.B; MELLO, H.P. Metodologia de pesquisa em Engenharia de Produção -

Estratégias, Métodos e Técnicas para Condução de Pesquisas Quantitativas e Qualitativas,

UIFEI, 2011.

ANEXO I

Lógica Cenário 1

ANEXO II

Animação do Cenário 1



14

ANEXO III

Animação do Cenário 2



15

MODELAGEM E SIMULAÇÃO DO ATENDIMENTO EM UM...

Documents

Transcript of MODELAGEM E SIMULAÇÃO DO ATENDIMENTO EM UM...