Upload
lamdiep
View
214
Download
0
Embed Size (px)
Citation preview
FILAS NO ATENDIMENTO DE UMA
CANTINA - ANÁLISE POR MEIO DE
SIMULAÇÃO NO SOFTWARE SIMPY
Raquel Ferreira de Negreiros (UFERSA )
Cibelle dos Santos Carlos (UFERSA )
David Custodio de Sena (UFERSA )
Diante de um ambiente tão competitivo, cada vez mais os clientes
requerem qualidade, sendo assim, atender as suas necessidades é de
extrema importância nas organizações. É necessário que as empresas
busquem maior desempenho em suas operaçõees para aumentar a sua
eficácia. No que tange os serviços, o tempo de espera para ser
atendido desagrada, e muito, o consumidor. Dessa maneira, o artigo
em questão visa realizar um estudo em uma cantina de uma
universidade, a fim de verificar as filas existentes nesse local e utilizar-
se dos conceitos da simulação probabilística com o apoio do Simpy,
para realizar a simulação das filas. Com isso, objetiva-se a redução do
tempo em fila e por consequência maior satisfação dos clientes.
Palavras-chaves: Filas; clientes; simulação
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.
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
Com a crescente competitividade entre as empresas, os negócios que buscam melhorar o seu
serviço e, ao mesmo tempo, reduzir seus custos, ganham mais fatias no mercado e fidelizam
seus clientes. Assim, para que as companhias consigam alcançar a eficiência de seus
processos, é necessário utilizar ferramentas que possam servir de auxilio nas tomadas de
decisões e melhorias de seus processos. Uma dessas ferramentas é o estudo da simulação de
processos, através da Teoria das Filas.
O estudo da Teoria das filas é importante para as empresas, que buscam oferecer serviços de
qualidade e, consequentemente, agradar o seus consumidores. Segundo o autor Gianese et al
(1996), apud Chaves et al (2011), oferecer um serviço de qualidade compreende em saber
entender a demanda de clientes, organizar sistemas que a controlem e ajustar a capacidade de
atendimento em função da demanda e assim reduzir a espera, mantendo o melhor serviço para
os clientes.
Todas as empresas, que almejam conquistar o seu publico alvo, devem se preocupar com a
eficiência de seus processos, através da boa utilização de tempo e também da qualidade dos
serviços oferecidos. Para o estudo em questão, foi escolhida uma empresa no setor de
alimentação, tendo como referência uma cantina de lanches.
No segmento alimentício, as empresas devem se preocupar em oferecer um atendimento
rápido, pois a clientela procura as cantinas para comprar alimentos "prontos" e que otimizem
o seu tempo, muitas vezes um curto tempo entre um intervalo e outro.
Com o estudo da Modelagem e Simulação de Sistemas, é possível direcionar as decisões
corretas em relação à quantidade necessária de atendentes, de modo que possa se obter um
melhor dimensionamento. Assim, a pesquisa em questão objetiva analisar um sistema de
atendimento em uma cantina, que busca oferecer produtos a um público seleto, para
compreender se o tempo de espera dos clientes no atendimento pode ser considerado um
problema para a empresa. Para isso, foi feito uma simulação, com base na Teoria das Filas,
que levou em consideração dois tipos de atendimento, o de compra da ficha e o atendimento
do lanche na cantina.
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.
3
1.2 Objetivo Geral
O objetivo desse trabalho é analisar um sistema de atendimento em uma cantina de uma
universidade.
1.3 Objetivos específicos
Analisar tempos de espera e atendimento;
Apresentar os resultados encontrados na simulação;
Fazer a verificação e validação do sistema proposto;
Realizar um estudo visando proposição melhorias para o sistema.
2. Metodologia
De acordo com Silva et al (2005), a natureza da pesquisa em questão é quantitativa, pois
corresponde à geração de conhecimentos de aplicação prática para solucionar problemas
específicos.
A metodologia utilizada no estudo seguiu os seguintes passos:
Figura 1 - Metodologia
Fonte: Elaborado pelas autoras (2013)
Caracterização do Modelo
Coleta de dados
Validação de dados
Construção do Modelo
Execução do Modelo
Análise dos resultados
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.
4
O trabalho iniciou-se com a determinação do local onde foi realizada a pesquisa. Em seguida,
foi feito uma análise do processo e em seguida foi definido a problemática do estudo. Nesta
etapa, foi feito um fluxograma do processo de atendimento do local do estudo, no caso, uma
cantina. A partir daí, os dados começaram a ser coletados, esses dados são referentes aos
intervalos de chegada dos clientes e tempo de atendimento dos mesmos. Com isso, os dados
encontrados foram colocados no programa Input Analyzer, que determinou a curva e gerou os
gráficos da distribuição de probabilidade que reproduz o desempenho do processo. Por fim,
iniciou-se a programação do estudo, através do software Simpy. Após a simulação realizada
no Simpy, os resultados foram explanados e foi feita uma análise verificando se todos os
pontos necessários foram atendidos para, assim, validar o modelo.
3. Referencial Teórico
3.1 Modelagem Probabilística e Simulação de Sistemas de Produção
De acordo com o autor Costa (2005), pag. 04:
“Simulação é o processo de construção de um modelo representativo de um
sistema real, e a experimentação no mesmo. Os resultados das experimentações,
após análises, apresentam uma visão futura do sistema. As informações geradas
auxiliam nas tomadas de decisão, necessárias no momento presente, e
contribuem para uma melhor compreensão do sistema estudado".
Assim, entende-se que a simulação de processos e sistemas é uma maneira experimental para
buscar descrever um sistema real, ou seja, a quantificação do seu comportamento analisado,
para direcionar futuros comportamentos. Dessa maneira, a simulação caracteriza-se pela
criação de um modelo que forneça dados para serem analisados e que sirvam de base para a
sua compreensão, bem como auxilie na busca por melhorias do sistema.
Para realizar a simulação, a estatística surge para explicar os dados, de modo que com esses
dados será possível iniciar o modelo de simulação e gerar gráficos através das distribuições
que serão de total importância para o estudo. Diante disso, as distribuições podem ser
classificadas de diferentes maneiras. São elas:
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.
5
Distribuição Beta: distribuição contínua, que possui dois parâmetros. Geralmente
utilizada na caracterização de variáveis aleatórias dentro do intervalo [0,1]. Pode
assumir um grande número de formas.
Distribuição Normal: também conhecida como distribuição de Gauss, se destaca pela
sua importância, pois nela encontra-se o teorema central do limite, que é resultado
essencial em aplicações práticas e teóricas, garantindo que mesmo que os dados não
estejam distribuídos de acordo com uma norma, a média dos dados converge para uma
distribuição normal de acordo com o aumento dos dados.
Distribuição exponencial: distribuição contínua com um parâmetro. Possui grande
aplicabilidade em sistemas de filas. Os fenômenos descritos por essa probabilidade
possuem total imprevisibilidade.
Distribuição de Poisson: Está ligada com a exponencial e é utilizada em problemas
que envolvem, geralmente, chegadas e partidas.
Disrtibuição de Earlang: pode-se dizer que é uma extensão da distribuição
exponencial. Possui grande aplicabilidade em processos estocásticos. Seus parâmetros
são β e m.
Distribuição Gamma: distribuição contínua, com dois parâmetros que se assemelha a
distribuição normal. Pode confundir-se com a distribuição de Earlang, a diferença é no
parâmetro m pode assumir valores não inteiros.
Distribuição Triangular: é empregada quando é possível determinar qual o valor mais
provável da variável aleatória e, também, quando uma função linear parece adequada
para a descrição. Sua função densidade é dada por:
Distribuição de Weibull: Essa distribuição é utilizada falhas de partida, aleatórias e de
desgaste. Sua função é dada por:
3.2 Teoria das Filas
O autor Arenales et al (2007) apud Chaves et al (2011), define que a Teoria das Filas
caracteriza-se por uma metodologia analítica que aborda um assunto através de fórmulas
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.
6
matemáticas. É através da Teoria das Filas que se pode estudar as relações entre as demandas
e os atrasos sofridos pelo usuário do sistema, para que possa ser realizado uma avaliação das
medidas de desempenho dessa relação em função da disposição deste sistema.
A população do sistema é definida pelos componentes da fila, podendo ser finita ou infinita.
Finita: quando sua quantidade pode ser definida;
Infinita: quando a sua quantidade é muito alta e/ou não pode ser mensurada.
Abaixo, segue a ilustração dos elementos de uma fila:
Figura 2 – Ilustração dos elementos de uma fila
Fonte: Elaborado pelos Autores (2013)
O padrão de chegada de clientes é definido através da taxa de chegada, representada pela letra
λ, ou através dos intervalos de chegadas sucessivas, representado pela sigla IC – Índice de
Chegada. Para medir o processo de chegada de maneira correta, faz-se necessário que não
existam condições de pico, a chegada em massa de clientes e não deve existir diferença no
processo de chegada de clientes antigos e novos. No atendimento, o processo é representado
pelo ritmo do atendimento (μ) e também do tempo médio do serviço, o TA.
Segundo Costa (2005), apud Cruz et al, 2011, a notação dos processos em filas foi proposta
por Kendall, em 1953, e é descrita pela notação A/B/c/K/m/Z, onde o A descreve a
classificação dos intervalos de chegada dos clientes, B o tempo de atendimento, c a
capacidade do atendimento, K a capacidade máxima do sistema, m é o tamanho da população
e Z é a disciplina da fila.
3.3 Redes de Petri
É uma técnica, desenvolvida por Carl Adam Pedri em 1962, que define modelos de processo,
como dispositivos físicos, sistemas de manufatura, entre outros. Segundo o autor Aslst (1998),
POPULAÇÃ
O
CLIENTES EM
FILA ATENDIMENT
O
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.
7
a adoção de redes de Petri pode está associadas a semântica formal, natureza gráfica,
expressividade, propriedades, análise, independência de fornecedor, etc.
De acordo com o autor Oliszeski et al (2010), a simulação da rede de Petri ocorre de acordo
suas regras de disparo, da seguinte maneira: uma transição é considerada capacitada para
disparo se existir um número de marcas nos lugares de entrada igual ou maior que os
referentes pesos de arco. Após o disparo, os lugares de entrada perdem marcas na quantidade
equivalente aos pesos dos respectivos arcos e são introduzidas marcas nos lugares de saída.
Figura 3 – Ilustração de uma Rede de Petri
Fonte: Oliszeski et al (2010)
3.4 IDEF-SIM
O IDEF-SIM é uma técnica, inicialmente desenvolvida por Leal, Almeida e
Montevechi (2008), tem como objetivo o projeto de simulação, porém, também pode ser
empregada em projetos de melhorias em geral.
A simbologia utilizada pode ser verificada na figura abaixo:
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.
8
Figura 4 – Simbologia IDEF-SIM
Fonte: Leal, Almeida e Montevechi (2008)
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.
9
Onde:
Entidade: são os itens a serem processados pelo sistema, representando matéria prima,
produtos, pessoas, documentos, entre outros.
Funções: representam os locais onde a entidade sofrerá alguma ação.
Fluxo da entidade: direcionamento da entidade dentro do modelo, caracterizando os
momentos de entrada e saída da entidade nas funções;
Recursos: simbolizam elementos utilizados para movimentar as entidades e executar
funções.
Controles: regras utilizadas nas funções.
Regras para fluxos paralelos e/ou alternativos.
Movimentação: representa um deslocamento de entidade, no qual o modelador
acredita possuir efeito importante sobre o modelo.
Informação explicativa: utilizado para inserir no modelo uma explicação.
Fluxo de entrada no sistema modelado: define a entrada ou criação das entidades
dentro do modelo;
Ponto final do sistema: defini o final de um caminho dentro do fluxo modelado;
Conexão com outra figura: utilizado para dividir o modelo em figuras diferentes
3.5 SIMPY – Sistema de Simulação em Python
O Simpy, módulo pertencente à linguagem de programação genérica Phyton, ele fornece um
conjunto de classes desenvolvido para realizar a modelagem e simulação de um sistema,
capturando as entidades essenciais e suas interações, para em seguida, programar e fazer o
modelo ser validade e executado.
4. Modelagem do Sistema
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.
10
4.1 Caracterização da empresa
A empresa em questão trata-se de uma cantina, responsável pelo fornecimento de lanches
“rápidos” para um público alvo específico, que são os alunos e funcionários em geral da
universidade em questão. Foi verificado que o ambiente só dispõe de um atendente no caixa e
um atendente na entrega dos pedidos. Além disso, analisou-se que os horários influenciam na
demanda, visto que durante a jornada de trabalho, existem momentos com um menor
movimento e outros com maior movimentação de pessoas, ocasionando filas nos dois
atendimentos.
Abaixo, segue a figura com a caracterização que define o processo na cantina, bem como sua
representação através do IFEF-SIM e Redes de Petri:
Figura 5 – Caracterização do processo
Fonte: Elaborado pelos Autores (2013)
Neste caso, o processo da Rede de Petri tem a mesma representação para as duas filas. Assim,
a forma como as filas são organizadas, sendo o primeiro cliente que chegar o primeiro a ser
atendido e também a dispõe do sistema de uma fila para um atendente em ambos os casos, ou
seja, uma fila para cada atendente.
Figura 6 – Rede de Petri
Atendente
1
Atendente
2
Client
es
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.
11
Fonte: Elaborada pelos Autores (2013)
Estados:
A- Cliente em espera
B- Atendente Disponível
C- Atendente ocupado
D- Cliente atendido
Eventos:
1- Chegada do cliente
2- Atendimento ao cliente
3- Finalização do atendimento
4- Saída do Cliente
Da mesma forma segue a representação através do IDEF-SIM :
Figura 7 – IDEF-SIM
Fonte: Elaborada pelos Autores (2013)
D
B
•
1 2
3 A C
&
Client
e
Fil
a
Atendent
e
4
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.
12
4.2 Definição do problema
Como afirmado no tópico anterior, existe momentos que a demanda aumenta
consideravelmente, geralmente em horários de intervalos de expediente, que é quando as
pessoas podem se deslocar até a cantina para fazer um lanche rápido. Assim, as atendentes
ficam sobrecarregadas e muitas vezes o lanche, que deveria ser rápido, demora mais que o
esperado, ocasionando filas de espera.
4.3 Modelagem do processo de atendimento
4.3.1 Coleta de dados
A coleta dos dados foi feita através da cronometragem dos tempos necessários para o
estudo e posteriormente organizados em uma planilha. As anotações foram feitas a partir das
17:00h, em dois dias diferentes, medindo o tempo que os clientes passavam pelo sistema,
com auxílio de cronômetro e planilha. A partir disso, foram contabilizados os valores que
serviram de base para a continuação do trabalho.
Tabela 1 – Características da fila
SÍMBOLO COMPRA
FICHAS
PEGAR
LANCHE
Tempo médio
de chegada
IC 1,55
1,74
Ritmo de
chegada
Λ 0,65
0,58
Tempo médio
de
atendimento
TA 1,08
1,51
Taxa de Μ 0,93
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.
13
atendimento 0,66
Tempo médio
em fila
TMF 2,09
2,02
Fonte: Elaborada pelas Autoras (2013)
4.3.2 Identificação da melhor distribuição
Com os dados em mão, foi feita uma planilha no Excel que expuseram os valores que
foram utilizados. Com esses valores, foi possível determinar os intervalos de chegada (tempo
entre a chegada de um cliente e outro) e tempo de atendimento (duração do atendimento em
cada parte do processo, no caso dois atendimentos). Abaixo segue os gráficos gerados pelo
Input Analyzer:
Figura 8 – Gráfico Intervalo de Chegada 1.
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.
14
Fonte: Input Anlyzer (2013)
Distribuição utilizada foi a gama, com expressão -0.001 + GAMM(3.47, 0.438). O erro
quadrático obtido foi 0.004947.
Figura 9 – Tempo de Atendimento 1
Fonte: Input Anlyzer (2013)
Distribuição utilizada foi a gama, com expressão -0 GAMM(0.363, 2.95). O erro quadrático
obtido foi 0.003327.
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.
15
Figura 10 – Intervalo de Chegada 2
Fonte: Input Anlyzer (2013)
Distribuição utilizada foi a Weibull, com expressão -0.001 + WEIB(1.78, 1.07). O erro
quadrático obtido foi 0.014902.
Figura 11-Tempo de Atendimento 2
Fonte: Input Anlyzer (2013)
Distribuição utilizada foi a gama, com expressão 0.11 + GAMM(0.384, 2.97). O erro
quadrático obtido foi 0.018797.
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.
16
4.3.3 Análise dos dados de saída
4.3.3.1 Verificação e Validação
A verificação procurou garantir que os dados do sistema real fossem implementadas no
desenvolvimento da simulação. Segue no anexo o código do programa realizado no Simpy.
A validação do modelo foi realizada a partir de dez simulações com seeds diferentes, para
verificar o tempo médio das duas filas existentes no processo. Com o cálculo dos tempos
médios em fila, foi possível se calcular as médias (µ), obter o desvio padrão (σ) e o intervalo
de confiança:
Tabela 2 – Intervalo de confiança
Comprar Ficha
Pegar Lanche
Seed
Tempo
médio em
fila Seed
Tempo
médio em
fila
1 2,7330
1 2,8216
2 3,8270
2 1,9840
3 1,8130
3 2,2180
4 4,5277
4 1,8198
5 3,4158
5 0,8638
6 2,6154
6 2,7133
7 2,0110
7 1,6179
8 2,3300
8 2,9940
9 2,8044
9 2,2421
10 3,9618
10 1,6151
MÉDIA 3,0039
MÉDIA 2,0890
DESVIO-
PADRÃO 0,8491
DESVIO-
PADRÃO 0,6512
t(9,99%) 2,82
t(9,95%) 1,83
TMF real 2,26
TMF real
2,02
Limite
Superior 3,76
Limite
Superior 2,47
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.
17
Limite
Inferior 2,25
Limite
Inferior 1,71
Fonte: Elaborada pelos Autores (2013)
Para as 10 iterações realizadas buscaram-se na tabela de distribuição T-student para o grau de
liberdade nove os intervalos de confiança correspondentes aos tempos de atendimentos nas
filas. Realizou-se a simulação baseada em um novo cenário a fim de atingir o objetivo do
presente artigo, que é encontrar a melhor alternativa para minimizar o tempo em fila
enfrentado pelos clientes.
5. Considerações Finais
Este artigo apresentou uma proposta de melhoria do processo da cantina de uma universidade
pública para reduzir o tempo de permanência dos clientes nas filas. Para tal, foi utilizado o
software Simpy na simulação do cenário mais adequado ao sistema em questão.
Foi detectado que no horário de pico, a cantina fica superlotada, ocasionando o aparecimento
de filas. Como o tempo dos estudantes entre uma aula e outra é curto, pode-se perceber que as
filas podem gerar uma diminuição do fluxo de clientes, trazendo uma redução no faturamento
da empresa. Para melhorar a situação, sugere-se uma melhor organização dos funcionários,
realizando uma escala, de modo que possam ajudar no caixa e consequentemente diminuir as
filas. A contratação de uma nova funcionária não seria o indicado nesse momento, pois como
foi visto na simulação, o tempo de espera médio na fila é plausível, já que não é considerado
um tempo maior que os consumidores estão dispostos a esperar. Pode-se perceber que o
tempo médio em fila para compra de fichas é maior do que para recebimento do lanche.
Sendo assim, sugere-se ainda, a fidelização dos professores que frequentam a universidade
através de “contas”. Isso diminuiria o tempo de atendimento desse tipo de cliente, por não
haver troca de dinheiro, e por consequência, diminuir a fila de compra das fichas.
REFERÊNCIAS
AALST, W. M. P. The Application of Petri Nets to Workflow Management. The Journal of Circuits, Systems
and Computers; Vol. 8, p. 21-66, 1998.
CHAVES, A. L F. et al. Estudo da teoria das filas em um sistema médico-hospitalar na cidade de Belém-PA.
Belo Horizonte: Centro Universitário do Pará, 2011.
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.
18
COSTA, M. A. B., Sistemas de Simulação. São Carlos: Universidade Federal de São Carlos: 2002.
CRUZ, L. D. F. et al. Pesquisa quantitativa de aplicação da teoria das filas na avaliação do sistema de
atendimento em caixa rápido de um supermercado em Belém-PA. Belo Horizonte: Universidade Estadual do
Pará, 2011.
FREITAS FILHO, P.J. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. 2ed.
Florianópolis: Visual Books, 2008.
LEAL, F.; ALMEIDA, D.A. & MONTEVECHI, J.A.B. Uma proposta de técnica de modelagem conceitual
para a simulação através de elementos do IDEF. In: Simpósio Brasileiro de Pesquisa Operacional, 2008, João
Pessoa-PB: Anais XL.
OLISZESKI C. A. N. et al. Gerenciamento de riscos e gestão de projetos agroindustriais através de redes de
Petri. São Carlos: Universidade Tecnológica Federal do Ceará, 2010.
SILVA, E. L. & MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação 4 ed. Florianópolis:
Universidade Federal de Santa Catarina, 2005.
ANEXOS
from SimPy.Simulation import *
from random import seed,gammavariate,lognormvariate,weibullvariate
seed(1)
class SourceFilaCompra(Process):
def geracao(self,numero):
for i in range(numero):
c = ClienteCompra(name = "ClienteCompra%02d"%(i,))
activate(c,c.executa(tempoAtendimento=(gammavariate(0.363, 2.95))))
IEC = -0.001 + gammavariate(3.47, 0.438)*2
if (IEC<0):
IEC=0
yield hold,self,IEC
class ClienteCompra(Process):
def __init__(self,name):
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.
19
Process.__init__(self,name=name)
def executa(self,tempoAtendimento):
print now( ), self.name, "Cliente_Compra Chegando"
chegada=now()
yield request,self, caixa1
atendimento=now()
if (((atendimento)-(chegada)) > 0):
tF1.observe((atendimento)-(chegada))
print now( ), self.name, "Cliente_Compra sendo atendido"
yield hold,self,tempoAtendimento
yield release,self, caixa1
saida=now()
tA1.observe((saida)-(atendimento))
print now( ), self.name, "Cliente_Compra Saindo"
class SourceFilaLanche(Process):
def geracao(self,numero):
for i in range(numero):
c = ClienteLanche(name = "ClienteLanche%02d"%(i,))
activate(c,c.executa(tempoAtendimento=(0.11 + gammavariate(0.384, 2.97))))
IEC = -0.001 + gammavariate(1.62, 1.08)*4
if (IEC<0):
IEC=0
yield hold,self, IEC
class ClienteLanche(Process):
def __init__(self,name):
Process.__init__(self,name=name)
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.
20
def executa(self,tempoAtendimento):
print now( ), self.name, "Cliente_Lanche Chegando"
chegada=now()
yield request,self, atendenteEntrega
atendimento=now()
if (((atendimento)-(chegada)) > 0):
tF2.observe((atendimento)-(chegada))
print now( ), self.name, "Cliente_Lanche sendo atendido"
yield hold,self,tempoAtendimento
yield release,self,atendenteEntrega
saida=now()
tA2.observe((saida)-(atendimento))
print now( ), self.name, "Cliente_Lanche Saindo"
numeroMaximoCompra=200
numeroMaximoLanche=200
caixa1=1
atendenteEntrega=1
tempoMaximo= 780
caixa1 =
Resource(capacity=caixa1,name='Caixa1',unitName='atendente',monitored=True,)
atendenteEntrega =
Resource(capacity=atendenteEntrega,name='AtendenteEntrega',unitName='atendente',
monitored=True,)
tF1=Monitor()
tA1=Monitor()
tF2=Monitor()
tA2=Monitor()
initialize( )
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.
21
sFilaCompra = SourceFilaCompra()
activate(sFilaCompra,sFilaCompra.geracao(numeroMaximoCompra),at=0.0)
sFilaLanche = SourceFilaLanche()
activate(sFilaLanche,sFilaLanche.geracao(numeroMaximoLanche),at=0.0)
simulate(until=tempoMaximo)
print 'Tempo atual é dado por:\n',now( )
if (len(tF1) > 0):
print 'Tempo Máximo em fila é dado por:'
print max(tF1.yseries())
print 'Tempo Mínimo em fila é dado por:'
print min(tF1.yseries())
totalF1 = 0.0
for i in tF1.yseries():
totalF1 = totalF1 + i
print 'Tempo Médio em fila é dado por:'
print totalF1/len(tF1.yseries())
if (len(tA1) > 0) :
print 'Tempo Máximo de atendimento é dado por:'
print max(tA1.yseries())
print 'Tempo Mínimo de atendimento é dado por:'
print min(tA1.yseries())
totalA1 = 0.0
for i in tA1.yseries():
totalA1 = totalA1 + i
print 'Tempo Médio de atendimento é dado por:'
print totalA1/len(tA1.yseries())
print 'Taxa de ocupação é dada por:'
print 100*(totalA1/(now())),"%"
print 'número de clientes atendidos'
print len(tA1.yseries())
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.
22
if (len(tF2) > 0):
print 'Tempo Máximo em fila é dado por:'
print max(tF2.yseries())
print 'Tempo Mínimo em fila é dado por:'
print min(tF2.yseries())
totalF2 = 0.0
for i in tF2.yseries():
totalF2 = totalF2 + i
print 'Tempo Médio em fila é dado por:'
print totalF2/len(tF2.yseries())
if (len(tA2) > 0) :
print 'Tempo Máximo de atendimento é dado por:'
print max(tA2.yseries())
print 'Tempo Mínimo de atendimento é dado por:'
print min(tA2.yseries())
totalA2 = 0.0
for i in tA2.yseries():
totalA2 = totalA2 + i
print 'Tempo Médio de atendimento é dado por:'
print totalA2/len(tA2.yseries())
print 'Taxa de ocupação é dada por:'
print 100*(totalA2/(now())),"%"
print 'número de clientes atendidos'
print len(tA2.yseries())