III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

Estudo do Sistema de Atendimento de um Laboratório de Análises

Clínicas Utilizando um Software de Simulação

Marcus Henrique Lopes Falcão (UNIMINAS) mhfalcao@gmail.com

Luanda de Moraes Almeida (UNIMINAS) emalaqui@uniminas.br
Evaldo Malaquias da Silva (UNIMINAS) emalaqui@uniminas.br

Resumo
Este trabalho aborda o uso da simulação computacional como ferramenta de apoio à tomada
de decisão. O estudo foi feito em um de patologia e análises clínicas. O software utilizado
para as simulações foi o Promodel, adotado por diversas empresas no mercado mundial. O
trabalho buscou traçar um paralelo entre o atual funcionamento do setor de atendimento do
laboratório e as sugestões de melhoria baseadas nas simulações Os resultados obtidos
mostraram que o modelo desenvolvido representou bem o funcionamento do sistema de filas
do laboratório. As principais conclusões apresentadas são que possíveis alterações no atual
sistema seriam difíceis devido a limitação do espaço físico e que com o término das obras de
ampliação do laboratório, o modelo seria de grande valia para o dimensionamento do novo
sistema de atendimento com a possibilidade de se avaliar os tempos de espera dos clientes.

Palavras-chave: Medicina laboratorial; Filas; Promodel

1. Introdução
A melhoria da produtividade há muito já não é mera meta a ser cumprida. Torna-se
imprescindível à sobrevivência das empresas, num mundo cada vez mais marcado pela
globalização de mercados e pela velocidade da tecnologia da informação, tornando
vencedoras as empresas cujas respostas às necessidades dos clientes têm sido de forma rápida
e flexível. O uso de recursos computacionais como ferramenta facilitadora na análise e gestão
de processos administrativos está cada vez mais presente dentro das empresas. Como essas
tecnologias evoluem rapidamente, o que torna difícil seu acompanhamento, e devido à sua
importância, a introdução de tecnologias nas organizações é uma atividade cada vez mais
complexa, o que requer um bom planejamento para fazer valer todo o investimento.
O objetivo deste trabalho é estimular, na prática, o uso de ferramentas computacionais, como
os softwares de simulação, no planejamento dos serviços de atendimento dentro de uma
organização de saúde. Mais especificamente, o trabalho procura avaliar as características
relacionadas aos serviços de atendimento no setor de medicina laboratorial, verificar sua
relação com o plano da empresa, bem como com as pessoas envolvidas no processo. Além
disso, procura entender como os serviços estão estruturados e como são desenvolvidos dentro
de uma instituição de medicina laboratorial, se existe alguma forma de planejamento, formal
ou informal, e se este tipo de planejamento é eficaz. Dessa forma, o presente trabalho visa
desenvolver um estudo para a inserção da técnica de simulação computacional no setor de
medicina laboratorial, em Uberlândia, precisamente no setor de atendimento do laboratório,
buscando demonstrar sua potencialidade para utilização no setor, dentro de um enfoque de
melhorias contínuas.

2.Visão geral do emprego de ferramentas de engenharia de produção no setor de saúde

Nas empresas, a produtividade tem sido estudada por vários autores em todo o mundo, muitas
vezes fazendo uso de ferramentas da Engenharia de Produção para alcançar as melhorias
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

desejadas (Kachhal & William, 1995). É importante observar que as técnicas de Engenharia
de Produção, utilizadas na manufatura, como Desdobramento da Função Qualidade (QFD),
Controle de estoques, Just In Time (JIT), Controle da Qualidade Total (TQC), entre outras,
podem ser adaptadas para a área de serviços de forma geral e, para sistemas de saúde, de
forma particular (Mota, 1996).
Há estudos que reportam a utilização de ferramentas de Engenharia de Produção em sistemas
de saúde de São Paulo, como o estudo realizado no Hospital israelita Albert Einstein, com
ênfase nas atividades de prestação de serviços a pacientes nos serviços de apoio (por exemplo,
laboratório de diagnósticos clínicos), buscando diminuir o tempo de espera dos pacientes para
realização de exames e solucionar problemas relacionados à entrega de exames e laudos fora
do prazo estipulado (Fusco, 1997); em Porto Alegre, nos hospitais Fêmina, houve um amplo
levantamento dos processos dos hospitais da rede, bem como das ações para a garantia da
qualidade que cada um deles realizava. A partir daí, uma avaliação dos Sistemas de Garantia
de Qualidade foi realizada buscando identificar pontos fortes e fracos no sistema com o
intuito de desenvolver um modelo conceitual dentro da função qualidade que contemplasse os
Sistemas Gerais da Qualidade.
Dentre as técnicas de Engenharia de Produção utilizadas na área de serviços, mais
especificamente nos sistemas hospitalares (principalmente nos Estados Unidos), encontra-se a
simulação computacional, a qual permite que modelos da realidade sejam criados, a fim de
que futuras alterações possam ser testadas computacionalmente, diminuindo o risco e o custo
no processo de mudança. Apesar da grande difusão da técnica de simulação computacional
em alguns países da Europa e nos Estados Unidos, aos poucos começa a crescer o emprego
desses instrumentos em empresas no Brasil.

3. Simulação: um novo estágio do ambiente informatizado

Sem sombras de dúvida, a logística moderna (no caso deste trabalho, de atendimento) é
fortemente influenciada pela evolução da tecnologia de informação. Algumas importantes
contribuições deste ambiente informatizado são, por exemplo, a maior disponibilidade de
informações sobre os processos e a possibilidade de se analisar tais informações, utilizando-se
de ferramentas quantitativas mais sofisticadas que até há pouco tempo eram
privilégio de algumas poucas organizações de grande porte.
A simulação aparece então como uma poderosa ferramenta da pesquisa operacional que,
apesar de conhecida desde o início da década de 50, somente agora, tornou-se de fato
mais acessível a um público muito maior. As primeiras aplicações da simulação em operações
e logística foram nas áreas de mineração, siderurgias e de transportes marítimos. Hoje,
fortemente influenciadas pelos avanços tecnológicos, novas oportunidades surgiram,
abrangendo praticamente todos os setores da economia (Instituto IMAN, 2002).
De fato, os sistemas logísticos são sistemas dinâmicos complexos, envolvendo diversos
elementos interagindo entre si e influenciados por efeitos de natureza aleatória. Situações
como estas impõem sérias dificuldades para um estudo analítico do problema, fazendo da
simulação computacional um forte aliado, senão o único, para o projeto e a análise de
sistemas logísticos. Além disso, como um forte incentivo, existe no ambiente de trabalho de
computadores cada vez mais poderosos, disponibilidade e acesso a informações
rapidamente e uma gama de softwares capazes de auxiliarem em diferentes situações de
tomadas de decisões.
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

4. Onde utilizar a simulação?

Avaliar alternativas de ação nunca foi uma tarefa das mais fáceis, principalmente quando os
resultados da escolha de uma determinada alternativa não são totalmente previsíveis. Assim,
antes da implementação um novo processo, é necessário ter uma idéia antecipada dos seus
possíveis resultados, seja para confirmar nossas expectativas em relação aos benefícios
procurados, seja para identificar possíveis efeitos colaterais. Desse modo, a simulação é
indicada para sistemas onde as conseqüências das relações entre seus diversos componentes
não são conhecidas a priori e dificilmente traduzidas de uma maneira analítica (Instituto
IMAN, 2002).
Em termos gerais, a simulação se aplica em tipos de problema onde se necessita:
ƒ Proporcionar uma melhor compreensão sobre a natureza de um processo. Com isso,
novas idéias normalmente surgem objetivando uma maior produtividade;
ƒ Identificar problemas específicos ou áreas problemáticas dentro de um sistema, em
particular gargalos, estoques intermediários acima do ideal e recursos eventualmente
ociosos;
ƒ Auxiliar no estabelecimento de estratégias de investimento futuro para um sistema já
existente, procurando identificar quando e quanto se tem a ganhar a cada nova etapa;
ƒ Testar novos conceitos antes de sua implementação e sem interferir na operação de um
sistema atualmente em curso;
ƒ Avaliar os benefícios de novos investimentos antes que haja um comprometimento de
fato dos recursos de uma empresa.

5. Estudo de caso
Atualmente, o laboratório estudado realiza exames de diagnósticos nas áreas de
microbiologia, parasitologia, sorologia, hormônios, bioquímica, hematologia, citologia e
densitometria, sendo estes dois últimos classificados como exames de diagnóstico por
imagem. Possui cerca de 70 funcionários distribuídos na matriz, nos três postos de
atendimento internos aos hospitais em Uberlândia e um posto na cidade de Tupaciguara. O
objeto deste trabalho é estudar o setor de atendimento ao cliente da matriz do referido
laboratório, composto de três sub-setores, a saber: 1 balcão de informações (onde é feita uma
triagem inicial), 7 guichês de atendimento (cadastramento) e coleta (material a ser
examinado). A Figura 1 representa o ambiente simulado utilizando o Promodel.

5.1. Abordagem inicial (anterior à coleta de dados)

O serviço de atendimento do laboratório, segundo a gerência de atendimento, possui algumas
características de grande relevância para uma melhor acuidade dos dados. Para isso, foram
colhidas algumas informações iniciais e, posteriormente, feito um estudo do processo de
atendimento ao longo de uma semana (Segunda à Sábado). Neste intervalo, foi observado o
fluxo de atendimento, levando em consideração os seguintes pontos: os horários de pico, os
dias de maior demanda, a distribuição da escala de serviço dos funcionários, o comportamento
das filas (normal e serviços especiais) e, para fins de comparação, a expectativa do cliente
quanto ao tempo de atendimento.
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

Figura 1 – Simulação do ambiente de atendimento do laboratório através do software

Promodel

5.2. Coleta dos dados

Algumas considerações foram necessárias para uma coleta de dados efetivamente
representativa. Para isso foi considerada a medição dos seguintes eventos:
Taxa de chegada: número de clientes chegando ao local em um intervalo de tempo;
Tempo de triagem: tempo contado a partir da chegada do cliente e o atendimento pelo pessoal
do balcão de informação.
Tempo de espera para o guichê: tempo contado a partir da entrega da senha ao cliente e o
momento que o mesmo é chamado para o cadastramento dos exames.
Tempo para coleta: tempo contado quando o cliente encerra o cadastramento e aguarda para
fazer a coleta de material a ser examinado.
Tempo de coleta: tempo contado desde a chamada para a realização da coleta de material
objeto de exame até sua finalização.

5.3. O Promodel e os primeiros resultados

A alimentação do software é apenas uma parte do processo de simulação. Somado a isto, há
ferramentas de suporte à modelagem dos dados, como algumas distribuições de probabilidade,
funções estatísticas e uma estrutura de programação computacional.
Neste trabalho, foi utilizada uma ferramenta do Promodel (StatFit) que permitiu traçar a
melhor distribuição de probabilidade para os dados coletados. Isto é de extrema relevância
quando se tratam de dados de natureza não estocástica. O comportamento dos tempos de
chegada, por exemplo, insere-se neste conceito. A distribuição que melhor representou os
dados foi a distribuição Lognormal, cuja curva é apresentada na Figura 2. A sugestão de sua
utilização foi apresentada pelo software Promodel que fez uma aproximação da melhor curva
de distribuição de probabilidade para os dados coletados. Percebe-se um acentuado
crescimento até o pico e um comportamento de queda menos acentuado após o pico.
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

Figura 2 – Representação gráfica da distribuição Lognormal.

O gráfico retirado do sistema de informação do laboratório, também apresenta um

comportamento semelhante a esta curva de distribuição, conforme pode ser visto na Figura 3.

Figura 3 – Gráfico retirado do Sistema de Informação do Laboratório

6. Resultados obtidos
A simulação a partir dos dados coletados mostrou-se muito próxima da atual situação do
sistema de atendimento. Aliás, isto era uma condição básica para a confiança na seqüência do
trabalho, ou seja, se a simulação não fosse capaz de representar com o máximo de fidelidade o
atual sistema de atendimento, isto levaria a um comprometimento dos resultados do trabalho.
As condições iniciais para a simulação do atual sistema de atendimento foram as seguintes: o
sistema é composto por um atendente (triagem inicial) na recepção, sete guichês de
atendimento e seis atendentes de coleta; o tempo de simulação obtido foi para as duas
primeiras horas de atendimento, isso em função dos resultados analisados a partir do gráfico
de atendimento retirado do Sistema de Informação do laboratório (Figura 3) que apontou uma
maior concentração na solicitação de serviço naquele intervalo de tempo; houve, ainda, a
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

utilização de uma distribuição estatística (Lognormal) com um grau de replicação igual a dez,
ou seja, o software atribuiu automaticamente valores diferentes para a distribuição no
momento da simulação a fim de aproximar o resultado ao máximo da realidade.
Os dados obtidos com a coleta dos tempos de atendimento ao cliente estão apresentados na
Tabela 1 (o gráfico está mostrado na Figura 4).

Nº de Tempo Tempo Tempo

observações Mínimo Máximo Médio
Cliente - material 7,1 0,47 0,78 0,57 Média
1,85 0,08 0,12 0,07 Desvio Padrão
Cliente - comum 79 12,40 56,18 34,61 Média
2,26 1,33 2,27 2,05 Desvio Padrão
Tabela 1- Resultados obtidos com a coleta dos tempos de atendimento aos clientes

80
70
60
50
40 Cliente - material
Cliente - comum
30
20
10
0
Nº de observações Tempo Mínimo Tempo Máximo Tempo Médio

Figura 4 – Gráfico obtido com os tempos coletados no sistema.

Como se percebe, há uma separação entre dois tipos de clientes: Cliente – material e Cliente –
comum. Tal separação deveu-se ao fato de, após observações diárias, constatar-se um número,
inferior a dez por cento, de clientes entrantes no sistema com a finalidade de apenas entregar
material para exames, colhido previamente. Os tempos máximo, mínimo e médio são relativos
aos tempos que o cliente espera desde a sua entrada até a sua saída do laboratório,
considerando as condições iniciais.
A fim de melhorar estes resultados, foram feitas novas simulações. A primeira consistiu no
aumento do número de atendentes dos atuais sete para até dez guichês. Constatou-se que a
variação do tempo de atendimento foi insignificante, o que não justificaria o investimento em
atendentes.
Para a segunda simulação, manteve-se o número de atendentes em sete e elevou-se o número
de salas de coleta para oito. Nestas condições, houve uma queda de seis minutos em média
para o tempo de atendimento.
Numa terceira simulação, houve o aumento do número de atendentes para oito e manteve-se o
número de salas de coleta. Nestas novas condições, houve uma queda no tempo médio de
atendimento em quatro minutos.
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

Numa quarta simulação, aumentou-se o número de atendentes para dez e manteve-se o

número de salas de coleta. Obteve-se como resultado a mesma média da terceira simulação, o
que leva a crer que o “gargalo” do sistema é o número disponível de salas para a coleta.
Numa nova simulação, aumentou-se para dez, tanto o número de atendentes quanto o número
de salas para coleta. Como resultado disso, o tempo médio para atendimento caiu
significativamente, passando para aproximadamente 17 minutos.
Para certificar-se, ainda foi feita outra simulação: manteve-se em dez o número de atendentes
no guichê e aumentou-se para 12 o número de salas de coleta. O tempo de atendimento ficou
praticamente estável. Em conseqüência disso, foi possível observar que o aumento do número
de salas de coleta deverá vir seguido de um aumento gradual do número de atendentes de
guichê.
Este estudo não tem como finalidade esgotar o assunto Simulação Computacional, nem
mesmo abordar todas as possíveis aplicações desta ferramenta no setor de medicina
laboratorial, assim algumas delimitações devem ser observadas:
− O presente trabalho está associado aos serviços de atendimento no setor de medicina
laboratorial, mais especificamente ao laboratório envolvido no trabalho, sendo as
conclusões válidas apenas para o mesmo.
− Os resultados do estudo piloto desenvolvido no laboratório não podem ser generalizados
para todos os laboratórios, devido às características distintas de cada um – como tipo de
serviço, entidade pública ou privada, etc.

8. Conclusão
De acordo com os objetivos previamente traçados, foi possível: estudar as características e
entender o fluxo de atendimento de um laboratório de análises clínicas; verificar que o
chamado “gargalo” do serviço de atendimento encontra-se na estrutura atual do sistema de
coleta dos exames (o atual número de salas); e, o mais importante, a comprovação da eficácia
do uso de ferramentas de simulação computacional no setor de medicina laboratorial, dadas a
proximidade do atual modelo de atendimento aos resultados obtidos através da simulação e
das possíveis melhorias apontadas pelo seu uso. Com a criação de alguns cenários de
simulação, foi possível constatar também que a capacidade do atual sistema de atendimento
do laboratório, quando observadas as primeiras duas horas de atendimento diário e a alta taxa
de chegada de clientes neste período, está próxima ao limite.
Não obstante o interesse e empenho da direção do laboratório, de sua gerência administrativa
e da área de gestão da qualidade, hoje, o laboratório possui algumas restrições para aplicação
dos resultados desta simulação que são os atuais tamanho de seu espaço físico e respectivo
layout. No entanto, com a mudança dos serviços de atendimento para sua nova sede, isso já
será possível.

Referências
FUSCO, A. C. (1997) Hospital Albert Einstein: “Usamos e Aprovamos o Medmodel”. Boletim
INSTITUTO IMAM. Simulação – otimizando os sistemas – 5ª ed.
COGAN S. (1998) Gerenciando as percepções nas filas de espera: para aumentar o nível de
satisfação dos clientes. Qualitymark Ed.
DA SILVA, E. M. (1998) Pesquisa operacional – Ed. Atlas – 3ª ed.
BARBETTA, P. A. (2004) Estatística para cursos de engenharia e informática. Ed. Atlas.
 III EMEPRO – Belo Horizonte, MG, Brasil, 07 a 09 de junho de 2007

HAMES, D. S. P. (1996) Productivity-enhancing work innovations: remedies for what ails hospital?.
Hosp. & Health Serv. Admin, v. 36, p. 545-548, 1991 In: BITTAR, O. J. N. Produtividade em Hospitais
de acordo com alguns indicadores hospitalares. Revista Saúde Pública, v. 30, n.1, p. 53-60.
JACOBI, M. A. (1994) How to unlock the benefits of MRPII and just-in-time. Hospital Material
Management Quaterly, v. 15, p. 12-22.
KACHHAL, S. K. & WILLIAM, R. (1995) “Changing roles of Ies in healthcare”. IIE Solutions, v. 27, p.
26-30.
MOTA, E. V.(1996) O Desdobramento da Qualidade em Hospitais. Programa de Pós-Graduação em
Engenharia de Produção, Universidade Federal do Rio Grande do Sul. [Dissertação de mestrado
Área: Engenharia da Qualidade.]
WHITSON, D. (1997) Applying just-in-time systems in health care. IIE Solutions, v. 29, p. 32-37.