SIMULAO DO SISTEMA DE ATENDIMENTO DE UMA CAFETERIA

UNIVERSITRIA: UM ESTUDO DE CASO

JOS AIRTON A. DOS SANTOS1, ANGELA R. BEM2, CAMILA C. C. DOS REIS3, EDUARDO A.
NAUMANN4, MATHEUS FERNANDO MORO5
1

Docente da Universidade Tecnolgica Federal do Paran UTFPR Campus Medianeira, airton@utfpr.edu.br

Discente do Curso Engenharia de Produo, UTFPR Campos Medianeira, angelaregina.bem@gmail.com
3
Discente do Curso Engenharia de Produo, UTFPR Campos Medianeira, : camihcompagnoni@hotmail.com
4
Discente do Curso Engenharia de Produo, UTFPR Campos Medianeira, eduardonaumann@hotmail.com
5
Discente do Curso Engenharia de Produo, UTFPR Campos Medianeira, morosmi@hotmail.com
2

RESUMO
Este artigo tem por objetivo analisar, utilizando tcnicas de simulao discreta, o sistema de
atendimento de uma cafeteria localizada no Campus Medianeira da Universidade Tecnolgica Federal
do Paran. Para simular o sistema de atendimento, no intervalo dos alunos, desenvolveu-se um modelo
de simulao no software Arena. A partir desse, variaes no modelo foram realizadas para estudar
configuraes alternativas e possveis cenrios para o sistema. Os resultados obtidos de simulao
demonstraram que o sistema de atendimento com dois caixas mais vantajoso tanto do ponto de vista
do nmero de clientes na fila quanto do tempo de espera na fila.
PALAVRAS-CHAVES: arena. cafeteria. cenrios. simulao discreta.
1. INTRODUO
O fenmeno de formao de filas, j rotineiro na vida atual, ocorre em diversas aplicaes,
como uma pea esperando para ser lixada ou polida (na indstria), um avio esperando para decolar,
um programa de computador esperando para ser executado, e, claro, uma fila de seres humanos
esperando servio (BARBOSA, 2009).
As filas se formam em decorrncia do aumento dos consumidores e da incapacidade do sistema
em atender a essa demanda. Assim, atravs de tcnicas de simulao, busca-se encontrar um ponto de
equilbrio que satisfaa os clientes e seja vivel economicamente para o provedor do servio
(ARENALES, 2007).
Segundo Banks (1998), simulao uma tcnica de soluo de um problema pela anlise de um
modelo que descreve o comportamento de um sistema usando um computador digital. A simulao de
um modelo permite entender a dinmica de um sistema assim como analisar e prever o efeito de
mudanas que se introduzam no mesmo. uma representao prxima da realidade, e ser tanto mais
real quanto mais caractersticas significativas do sistema seja capaz de representar. Por outro lado, o
modelo deve ser simples, de forma que no se torne demasiado complexo para se construir, mas ao
mesmo tempo o modelo deve ser o mais fiel possvel ao sistema real (FERNANDES, 2006).
Esse artigo tem por objetivo analisar, utilizando tcnicas de simulao discreta, o sistema de
atendimento de uma cafeteria universitria localizada no Campus Medianeira da Universidade
Tecnolgica Federal do Paran (UTFPR).

2. FUNDAMENTAO TERICA

A simulao tem sido cada vez mais aceita e empregada como uma tcnica que permite aos
analistas dos mais diversos seguimentos verificarem ou encaminharem solues com a profundidade
desejada, aos problemas com os quais lidam diariamente. A simulao computacional permite que
estudos sejam realizados sobre sistemas que ainda no existem, levando ao desenvolvimento de
projetos eficientes antes que qualquer mudana fsica tenha sido iniciada (SILVA; PINTO;
SUBRAMANIAN, 2007).
Segundo Prado (2009), existem duas etapas para o estudo de simulao de sistemas. Na
primeira, o analista deve construir um modelo, fornecer alguns dados e obter outros que sejam
idnticos ao sistema que est sendo estudado. A segunda etapa consiste na mudana do modelo, para
que com base nos resultados obtidos, realizem-se anlises, gerando recomendaes e concluses.
Freitas Filho (2008) afirma que o uso da simulao deve ser considerado quando uma ou mais
das condies abaixo existirem:
- No h formulao matemtica completa para o problema;
- No h soluo analtica para o problema;
- A obteno de resultados mais fcil de alcanar com a simulao do que com o modelo analtico;
- No existe habilidade pessoal para a resoluo do modelo matemtico por tcnicas analticas ou
numricas;
- necessrio observar o processo desde o incio at os resultados finais, mas no necessariamente
detalhes especficos;
- A experimentao no sistema real difcil ou at mesmo impossvel;
- interessante observar longos perodos de tempo ou alternativas que os sistemas reais ainda no
possuem.
Segundo Law & Kelton (2000), as principais vantagens e desvantagens da simulao so:
Vantagens:
- Um modelo criado pode ser utilizado inmeras vezes;
- No depende da disponibilidade do sistema real para a realizao de ensaios, nem incorre em custos
para executar os experimentos.
- Pode conter simplificaes com relao aos sistemas reais para que facilitem a modelagem e torne
mais fcil a compreenso dos parmetros abordados, desde que os elementos desprezados no
interajam com os parmetros estudados com relao aos resultados a serem avaliados.
- A simulao mais fcil de aplicar que os modelos analticos, que por sua vez devem ainda ser
muito simplificados para tornarem-se viveis matematicamente.
- Podem ser quase to detalhados como os sistemas reais, permitindo realizar ensaios num cenrio
muito similar ao real sem o nus e o desgaste de ter de interferir na rotina dos sistemas reais. Permite
tambm um estudo detalhado de todas as operaes e caractersticas do sistema.
Desvantagens:
- A construo de modelos exige treinamento e experincia prvia.
- Nem sempre a variabilidade de um sistema bem captada e modelada, podendo levar a resultados
equivocados. Entretanto, algumas solues, tais como introduo de geradores de nmeros aleatrios,
podem ajustar o modelo de forma a representar bem a variabilidade.
- A construo de modelos consome muito tempo. Tentativas de reduzir este tempo por via de
simplificao do modelo podem levar a resultados insatisfatrios.
Inicialmente, os sistemas de simulao foram desenvolvidos sobre linguagens de programao
de propsito geral, tais como: Fortran, Basic, Pascal, etc. Porm, isso exigia um grande esforo para
construo de modelos, alm de profissionais com conhecimentos profundos de programao de

computadores. Diante dessa dificuldade que comearam a surgir linguagens de programao,

dedicadas simulao, que superassem essa barreira. o caso, por exemplo, das linguagens Gpss,
Siman, Slam, Simscript, etc. Tais linguagens eram, na verdade, bibliotecas formadas por conjuntos de
macro comandos das linguagens de propsito gerais. Alguns dos simuladores da gerao seguinte
foram desenvolvidos sobre a plataforma dessas linguagens. Como exemplo tem-se o software Arena,
implementado na linguagem Siman (SILVA; MAGALHES, 2005).
Dentre os pacotes de simuladores pesquisados, para realizar a simulao do sistema de
atendimento da cafeteria universitria, optou-se por utilizar, neste trabalho, o software Arena, da
Rockwell Software Corporation, por ser um dos softwares, de simulao discreta, mais utilizado no
mundo empresarial e acadmico.
O Arena um ambiente grfico integrado de simulao, que contm inmeros recursos para
modelagem, animao, anlise estatstica e anlise de resultados. A plataforma de simulao Arena
possui as seguintes ferramentas (LAW; KELTON, 2000):
- Analisador de dados de entrada (Input Analyzer);
- Analisador de resultados (Output Analyzer);
- Analisador de processos (Process Analyzer).
Esse software composto por um conjunto de blocos (ou mdulos) utilizados para se descrever
uma aplicao real e que funcionam como comandos de uma linguagem de programao. Os
elementos bsicos da modelagem em Arena so as entidades que representam as pessoas, objetos,
transaes, etc, que se movem ao longo do sistema; as estaes de trabalho que demonstram onde ser
realizado algum servio ou transformao, e por fim, o fluxo que representa os caminhos que a
entidade ir percorrer ao longo de estaes (KELTON; SADOWSKI, 1998).

3. MATERIAL E MTODOS
O trabalho foi desenvolvido na cafeteria universitria do campus Medianeira da Universidade
Tecnolgica Federal do Paran. A cafeteria conta, atualmente, com trs funcionrios no setor de
atendimento aos clientes. Um dos funcionrios fica no caixa e os outros dois entregam os lanches, aos
clientes, no balco.
O processo de atendimento da cafeteria comea com a chegada dos clientes ao estabelecimento,
onde passam inicialmente no caixa e compram fichas. Para muitos desses clientes o processo mais
rpido, porque pagam a cafeteria mensalmente. Depois seguem para o balco, onde trocam as fichas
pelos lanches. Observa-se que, no intervalo escolar, os funcionrios entregam, somente, os lanches que
j esto prontos para o consumo. Depois da retirada dos lanches, pelos clientes, acaba o processo de
atendimento. O layout da cafeteria apresentado na Figura 1.

Figura 1: Layout da cafeteria

Os dados coletados, na cafeteria, foram os seguintes:
- tempos entre chegadas dos clientes;
- tempos de atendimento no caixa;
- tempos de atendimento no balco.
Estes dados foram analisados com a ferramenta Input analyzer (analisador de dados de entrada)
do software Arena. Segundo Prado (2010) esta ferramenta permite analisar dados reais do
funcionamento do processo e escolher a melhor distribuio estatstica que se aplica a eles.
A simulao do processo de atendimento foi realizada com o software Arena, e os resultados
analisados nas ferramentas Output Analyzer e Process Analyzer.
Para validao do modelo levou-se em considerao que o sistema j existe e est em
funcionamento (SARGENT, 1998). Atravs de reunies entre os analistas e funcionrios da cafeteria
foi possvel confirmar a validao do modelo, aps pequenas correes no decorrer do
desenvolvimento.
3.1. Nmeros de Replicaes
Segundo Freitas (2008), de uma maneira geral, a coleta de dados para a composio de uma
amostra a partir da simulao de um modelo pode ser realizada de duas formas:
1- Fazer uso das observaes individuais dentro de cada replicao. Por exemplo, pode-se simular
o modelo da cafeteria e utilizar o tempo que cada cliente esperou na fila do caixa para realizar uma
estimativa do tempo mdio de espera na fila. Neste caso, o tamanho da amostra ser igual quantidade
de clientes que passaram pela fila ao longo do perodo simulado.
2- A segunda maneira de gerar a amostra realizar n simulaes (replicaes). Assim, cada
replicao gera um elemento para a amostra. Uma vez que estamos lidando com um sistema terminal
no qual as condies iniciais e o perodo de simulao so fixos, a melhor maneira de garantir que os
valores da amostra sejam estatisticamente independentes obt-los a partir de replicaes
independentes.
Neste trabalho, o nmero de replicaes (n*) foi obtido atravs da seguinte expresso:

(1)

Onde:
n - Nmero de replicaes j realizadas;
h - Semi-intervalo de confiana j obtido;
h* - Semi-intervalo de confiana desejado.

3.2. Tamanho da Amostra

O tamanho de cada uma das trs amostras, cronometradas neste trabalho, foi obtida, para um
nvel de confiana de 95%, atravs da seguinte expresso:

(2)

Onde:
N = Nmero de elementos necessrios;
N = Nmero de elementos cronometrados;
X = Tempos cronometrados.

4. RESULTADOS E DISCUSSO
4.1. Tratamento de dados
Na Tabela 1 so apresentados os valores, da anlise exploratria, dos dados coletados na
cafeteria.
Tabela 1: Anlise exploratria dos dados coletados na cafeteria

Parmetro analisado
Mdia
Mediana

Chegada
13.01 s
8.02 s

Atend. Caixa
11.08 s
8.99 s

Atend. Balco
13.21 s
10.48 s

2.09 s

6.02 s

7.96 s

18.00 s
13.17 s
105.86 %

13.00 s
6.63 s
59.82%

16.95 s
7.67 s
58.02%

1 Quartil (Q )
3 Quartil (Q )
Desvio Padro
Coeficiente de Variao

Observa-se, atravs dos dados apresentados na Tabela 1, que os coeficientes de variao

(105.86%, 59.82% e 58.02%) para as trs variveis coletadas apresentam uma disperso alta,
possuindo uma elevada variabilidade em relao mdia.
O passo seguinte, aps a anlise exploratria, foi anlise de correlao entre os dados, ou seja,
verificar se h dependncia entre os valores. Nas Figuras 2, 3 e 4 so apresentados os grficos de
disperso dos tempos entre chegadas e de atendimentos no caixa e no balco. Nessas figuras pode-se
comprovar que no h correlao entre as observaes das amostras.

Figura 2: Grfico de disperso tempos entre chegadas

Figura 3: Grfico de disperso tempos de atendimento no caixa

Figura 4: Grfico de disperso tempos de atendimento no balco

Depois, da construo dos grficos de disperso, os dados foram plotados em forma de boxplots
(Figura 5) para uma anlise preliminar do comportamento das observaes. A seguir, aplicou-se a
tcnica de identificao de outliers (valores fora da normalidade) apresentada na Tabela 2 (CHWIF;
MEDINA, 2007). As razes mais comuns para o surgimento desses valores so os erros na coleta de

dados ou eventos raros e inesperados. Nesta tcnica os outiliers considerados como extremos so
descartados das observaes.

Figura 5: Boxplots dos tempos coletados no sistema

Tabela 2: Identificao de outliers
A=Q3-Q1
Valor < Q1-1,5A - Outilier Moderado
Valor > Q3+1,5A - Outilier
Moderado
Valor < Q1-3,0A - Outilier Extremo
Valor > Q3+3,0A - Outilier Extremo
Onde Q1 e Q3 so, respectivamente, os valores do primeiro e terceiro quartis, assim a amplitude
entre inter-quartil A calculada pela diferena: A=Q3-Q1.
Aps a utilizao da tcnica de identificao dos outliers, o passo seguinte foi determinar as
curvas de distribuio terica de probabilidades que melhor representem o comportamento estocstico
do sistema em estudo, atravs da ferramenta Input Analyzer do Arena. Atravs dos testes de
aderncia: teste Chi Square e do teste Kolmogorov-Smirnof, concluiu-se que as distribuies,
apresentadas na Tabela 3, so as expresses que melhor se adaptaram aos dados coletados no sistema.
Tabela 3: Distribuio de probabilidades

Itens
Entre Chegadas
Atendimento Caixa
Atendimento Balco

Distribuio
WEIB( 12.6 , 0.93 )
4+WEIB( 7.36 , 1.1 )
5+ERLA( 8.21,1)

Chi Square Kolmogorov-Smirnov

p-value=0.404
p-value=0.157
p-value=0.326
p-value=0.389
p-value=0.582
p-value=0.112

4.2. Simulao computacional

Para analisar o sistema de atendimento, na cafeteria universitria, construiram-se dois cenrios:
- Cenrio 1: Sistema constitudo por 1caixa (Sistema Atual);

- Cenrio 2: Sistema constitudo por 2 caixas.

Na Tabela 4 e Figura 6 apresentam-se os resultados obtidos, da simulao do sistema em estudo,
para os dois cenrios. Observa-se que os resultados foram obtidos aps 223 replicaes. Este nmero
de replicaes foi definido, com nvel de confiana de 95%, utilizando a ferramenta Output Analyzer
do Arena.
Tabela 4: Resultados da simulao
0

Replicaes N de Caixas Fila do Caixa Tempo na Fila do Caixa (min)

Cenrio 1
223
1
10,816
1,963
Cenrio 2
223
2
3,857
0,384

Figura 6: Resultados dos cenrios - caixa

Atravs dos resultados, apresentados na Tabela 4, pode-se observar que o tempo mximo de
espera na fila e o nmero mximo de clientes na fila, para o cenrio 1, so considerados altos, para o
intervalo escolar.
Na Figura 7 so apresentados os tempos mximos de espera na fila do balco para os dois
cenrios simulados neste trabalho.

Figura 7: Tempos de espera na fila do balco

Constata-se, atravs dos resultados da Figura 7, que os tempos mximos so considerados

baixos para os cenrios simulados. Sendo, portanto, desnecessria qualquer mudana relacionada ao
atendimento do balco da cafeteria universitria, para as condies simuladas neste trabalho.
4. CONCLUSO
Nesse trabalho, apresentou-se o processo de simulao do atendimento da cafeteria
universitria durante o horrio de intervalo dos alunos.
Observou-se que as variveis, tempo mximo de espera na fila (2 minutos) e nmero mximo de
clientes na fila (11 clientes) para o cenrio 1, foram consideradas altas para o intervalo de tempo
simulado. Portanto, sugere-se a utilizao de dois caixas, para atender os clientes da cafeteria, no
intervalo escolar.
A aplicao da simulao computacional gerou um conhecimento adicional a cerca do processo
de atendimento para todos os envolvidos e possibilitou, tambm, a identificao de oportunidades de
melhorar o sistema de atendimento aos clientes da cafeteria do Campus Medianeira da UTFPR.
REFERNCIAS
ARENALES, M. Pesquisa Operacional. 6. ed. Rio de Janeiro: Elsevier, 2007. 524 p.
BANKS, J. Handbook of simulation: principles, methodology, advances, applications, and
Practice. New York: John Wiley & Sons, 1998.
BARBOSA, R. A. A Modelagem e Anlise do Sistema de Filas de Caixas de Pagamento em uma
Drogaria: Uma Aplicao da Teoria das Filas. In: XXIX Encontro Nacional de Engenharia de
Produo. Salvador: ENEGEP, 2009.
CHWIF, L.; MEDINA, A. C. Modelagem e simulao de eventos discretos, teoria & aplicaes.
So Paulo: Brazilian Books, 2007.
FERNANDES, C. A. Simulao da Dinmica Operacional de uma Linha Industrial de Abate de
Sunos. Campinas: Cincia e Tecnologia de Alimentos, 2006.
FREITAS FILHO, P. J. Introduo Modelagem e Simulao de Sistemas com Aplicaes em
Arena. Florianpolis: Visual Books, 2008.
LAW, A. M.; KELTON, W. D. Simulation modeling and analysis. New York: McGraw- Hill, 2000.
KELTON, W. D.; SADOWSKI, R.P; SADOWSKI, D. A. Simulation with arena. New York:
McGraw-Hill, 1998.
PRADO, D. Usando o ARENA em simulao. Nova Lima: INDG - Tecnologia e Servios LTDA,
2010. 307 p.
PRADO, D. Teoria das Filas e da Simulao. Nova Lima: INDG - Tecnologia e Servios LTDA,
2009. 127 p.
SARGENT, R. G. Verification and validation of simulation models. In: Proceedings of the 1998
Winter Simulation Conference, 1998.
SILVA, C. G. B.; MAGALHES, M. B. Simulao do Atendimento dos Caixas em Agncias
Bancrias. Minas Gerais: Viosa, 2005.
SILVA, L. M. F.; PINTO M. G.; SUBRAMANIAN, A. Utilizando o Software Arena Como
Ferramenta de Apoio ao Ensino em Engenharia de Produo. In: XXVII ENEGEP. Florianpolis,
2007.