Faculdade Ietec Pós-graduação

Engenharia do Planejamento - Turma nº14

21/02/2018

Título

QUALIDADE NO ATENDIMENTO AO CLIENTE A PARTIR DA TEORIA DAS

FILAS: um estudo de caso no SAAE da cidade de Sete Lagoas

Isabella Cunha Avelar

bellacunha@live.com.br

RESUMO

Este trabalho é um estudo de campo desenvolvido Serviço Autônomo de

Água e Esgoto (SAAE) de Sete Lagoas, interior de Minas Gerais com objetivo geral de

estudar o atendimento ao público do SAAE, identificando oportunidades de melhoria. A

coleta de dados aconteceu ao longo de 29 dias, nos horários de 09:00 às 11:00 e

14:00 as 16:00. A partir da tabulação dos dados, obteve-se uma amostra de 56 filas,

separadas em fila A (01 servidor); fila B (02 servidores) e fila C (03 servidores).

Dessas, 57,15% (32 filas) apresentaram taxa de utilização do sistema superior a 1,0, o

que significa que a fila cresce indefinidamente. As demais 24 filas foram analisadas e

resultados comparados com valores reais. Foi possível perceber que de modo geral o

atendimento do SAAE apresenta oportunidades claras de melhoria, discutidos no

decorrer do trabalho e em sua conclusão.

Palavras chave: Teoria das filas. Qualidade do Atendimento. Operações de

Serviço

1 Introdução

O processo de urbanização iniciado no período da Revolução Industrial e

intensificado pela globalização tem gerado problemas nos setores de atendimento ao

público, fruto da ampliação da demanda por bens e por serviços. No atendimento ao

cliente, profissionais depara-se com consumidores/clientes que apresentam

expectativas e desejam que elas sejam supridas. Um mau atendimento, um

atendimento demorado, ineficiente, pode acarretar a geração de uma imagem negativa

da organização.

É necessário que as empresa busque uma aproximação entre as

expectativas dos clientes e a percepção dos mesmos acerca dos serviços, buscando

assim atender às necessidades externas. Não basta haver canais de atendimento ao

cliente, ou pesquisa de satisfação, etc. é necessária a busca por soluções efetivas.

Diante dessas considerações, essa temática foi escolhida no contexto

deste Artigo, estudando-se especificamente o atendimento ao cliente no Serviço

Autônomo de Água e Esgoto (SAAE), uma Autarquia, vinculada a Administração

Pública, de uma cidade do interior de Minas de Gerais, que tem sofrido com

congestionamento e sobrecarga de seus canais de atendimento gerando insatisfação

nos clientes

Diante o estudo de planejamento, emerge a seguinte situação: Como o

engenheiro de planejamento pode otimizar o atendimento ao público no Serviço

Autônomo de Água e Esgoto (SAAE) de Sete Lagoas/MG a partir da aplicação da

teoria das filas?

O estudo das filas surge como uma alternativa para a busca de soluções e

ações planejadas e sistematizadas para alcançar a satisfação dos clientes, reduzir

reclamações e tempo de espera para atendimento, minimizar filas para acesso a

serviços, etc. motivo pelo qual o estudo é relevante.

2 REFERENCIAL TEÓRICO

2.1 Atendimento ao cliente

O atendimento significa “ato ou efeito de atender; dar ou prestar atenção;

tomar em consideração; levar em conta; ter em vista; considerar”. Genericamente, o

atendimento ao cliente envolve a relação interpessoal entre o funcionário de uma

organização e o receptor do serviço ou bem de consumo. Atendimento do cliente é

algo multidimensional e envolve vários funcionários e setores da empresa,

independentemente do nível hierárquico do funcionário. Todos, sem exceção, que

apresentem contato direto ou indireto com o cliente participam do seu atendimento

(FERREIRA, 1988; PILARES, 1989).

2.1.1 Estrutura de uma atendimento

A estrutura de um atendimento é composta por recursos humanos e

infraestrutura (instalações físicas e equipamentos), que devem apresentar uma

sinergia para o bom desempenho do serviço. Por isso, quando o objetivo é aprimorar o

atendimento, o administrador poderá atuar em elementos que ampliam o desempenho

dos atendimentos (ANDRADE, 2009; LACHTERMACHER, 2002).

2.2 Teoria das filas

De uma maneira geral, a teoria das filas descreve a dinâmica desde o

momento de chegada de um cliente a um sistema de atendimento para receber

serviços, executados por uma gama de servidores até a finalização do atendimento.

Por isso, filas podem se formar quando a demanda momentânea por um serviço é

maior do que a capacidade de atendimento de um sistema (MOREIRA, 2010). Quando

um sistema tem demanda superior à capacidade, não há formação momentânea de

filas mas a formação de filas que crescem infinitamente.

2.2.1 Modelagem das Filas

2.2.2 Filas do tipo M\M\1∞\ FIFO

De acordo com a notação de Kendallessa fila apresenta intervalos entre

chegadas e tempos de atendimento exponenciais (M), existe apenas 01 servidor

para realizar atendimentos de uma população infinita, em que o atendimento é feito

por ordem de chegada (Figura 6) (GUTAM, 2006).

Figura 6 – Sistema fila M/M/1

Chegada de

clientes

Formação de

filas

Canal de

atendimento

Saída do

cliente

Fonte: Adaptado de Andrade (2009).

2.2.3 Filas do Tipo M/M/S/∞/FIFO

Outro modelo similar ao anterior é o chamado M/M/S/∞/FIFO, com a

diferença de que não há somente um, mas vários canais de atendimento, como

mostrado em Figura 7.

Pelo exposto, no modelo M/M/S parte-se do pressuposto que as

distribuições são independentes e distribuídas por modelo exponencial, ou seja,

conforme processo de Poisson de modo que todos os tempos de serviço são

independentes e identicamente distribuídos exponencialmente, e que o número de

servidores. O “S” representa que há mais de um servidor responsável pelo

atendimento (COSTA s.d.).

Figura 7 – Sistema de fila M/M/S

Fonte: Adaptado de Andrade, 2009.

2.2.4 Filas do tipo M/G/1

O modelo M/G/1 tem como característica modelar a chegada de clientes

por um processo probabilístico de Poisson, enquanto a distribuição dos tempos de

atendimento é representada por uma distribuição genérica. Existe apenas 01 servidor

para realizar atendimentos de uma população infinita, em que o atendimento é feito

por ordem de chegada (Figura 6) (GUTAM, 2006).

2.2.5 Filas do tipo G/G/S

As filas do tipo “G” representam filas que apresentam distribuição de tempo

de chegada e distribuição de tempo de atendimento são controlados por uma

distribuição geral com variáveis aleatórias identicamente distribuídas. O “S” representa

que há mais de um servidor responsável pelo atendimento. Esse tipo de filas, portanto,

Chegada de

clientes

Formação de

filas

Canal de

atendimento

Canal de

atendimento

Canal de

atendimento

Saída do

cliente

descreve serviços em que há uma chegada aleatória e geral e o tempo de

atendimento e entre atendimento é também aleatória e geral e, todos os servidores do

sistema são capazes de prestar atendimento (COSTA s.d.).

2.3 Teste de Poisson e Teste Exponencial

De acordo com o apresentado até o momento, para a caracterização de

uma fila é necessário identificar se distribuições de probabilidade dos tempos de

chegada e tempo de atendimento podem ser consideradas distribuições de Poisson e

Exponencial.

Em estatística aplicada, as variáveis que seguem a distribuição de Poisson

são aquelas variáveis aleatórias discretas, expressas pela probabilidade de uma série

de eventos ocorrerem num certo período de tempo se estes eventos ocorrem

independentemente de quando ocorreu o último evento. Ela parte de um pressuposto

que ao considerar uma data inicial, chamada de t=0 e, N(t) o número de eventos que

ocorrem até certa data t. Para realizar-se o experimento de Poisson, considera-se que:

(I) a probabilidade de uma ocorrência é a mesma para quaisquer intervalos de tempo;

(II) a ocorrência ou não ocorrência em qualquer intervalo é independente da

ocorrência ou não ocorrência em qualquer intervalo; (III) o evento em cada

subintervalo é independente de outros subintervalos, o experimento aleatório é

chamado de teste de Poisson (NORMANDO, 2010).

Já a distribuição Exponencial, pode-se dizer que é o inverso da distribuição

de Poisson, ou seja, ela analisa o experimento de forma inversa, ou seja, um intervalo

ou espaço para ocorrência do evento. Nesse sentido, a distribuição exponencial

depende somente da suposição de que o evento ocorra seguindo o processo de

Poisson. Nesse sentido, a distribuição exponencial é um tipo de distribuição contínua

de probabilidade. Assim, quando se deseja analisar as variáveis exponenciais, tem-se

o chamado teste Exponencial (NORMANDO, 2010).

Outro teste estatístico relacionado à avaliação Exponencial e Poisson é a

estatística de Anderson-Darling (AD), que mensura o quão bem os dados seguem uma

distribuição em particular. Assim, para um conjunto de dados e distribuições

específicas, quanto melhor a distribuição se ajusta aos dados, menor será essa

estatística. Suponha-se um teste genérico (g) para determinar se os dados atendem à

suposição de normalidade, seguindo as hipóteses (AD) (D’AGOSTINO; STEPHENS,

1986):

- Ho – os dados seguem uma distribuição específica;

- H1 – os dados não seguem uma distribuição específica.

Nesse sentido, deve ser atribuído um p-value (valor de probabilidade) para

testar se os dados vêm da distribuição escolhida. Nesse caso, se o p-value for menor

que um valor alfa escolhido (normalmente 0,05 ou 0,10) rejeita-se a hipótese como

nula de que os dados vêm de distribuição (D’AGOSTINO; STEPHENS, 1986).

O valor de P é a área direita (expresso em probabilidade) da estatística de

teste em um teste unilateral direito ou é igual a área esquerda da estatística de teste

de um teste unilateral esquerdo ou é igual a duas vezes a área da região extrema

delimitada pela estatística de teste em um teste bilateral. Basicamente, a regra para

utilizar o valor p para se definir em rejeitar ou não a hipótese nula do teste de hipótese

(CARNEIRO, 2007):

Se o P-value é menor que o nível de significância valor de (p<a), rejeita-

se a hipótese nula.

Se o P-value é maior que o nível se significância valor de (p> a), não se

rejeita a hipótese nula.

Geralmente, o nível de significância utilizado na maioria dos testes de

hipótese é de 5% (a=0,05), o que será utilizado neste trabalho. Assim, um valor de P

maior que 0,05 que não deve rejeitar a hipótese nula. Alguns textos trazem que o bom

valor P seria maior que 0,1. A conclusão sobre o valor de um valor P é que quanto

maior seu valor, mais distante se estar de rejeitar a hipótese nula, significando que as

distribuições dos dados que estão sendo testados podem ser aceitas com um modelo

(CARNEIRO, 2007).

2.4 Gráfico Input/Output

Considere um sistema de atendimento bancário em que clientes entram e

saem durante o período de atendimento. Considera-se que nesse sistema bancário,

pretende-se estudar a fila de atendimento do caixa. Desenha-se o fluxo desse

processo quando o cliente chega à agência, retira a senha, aguarda o atendimento, é

atendido e, saí do sistema. Nesses vários pontos, considera-se a entrada o momento

em que retira a senha de atendimento (linha A) e a saída o momento que ela se retira

do caixa (linha B) – Figura 9.

Assim, quando se desenha um diagrama de fluxo para um dado processo

é possível selecionar vários pontos e começar a contar elementos que fluem através

deles, sendo possível determinar o número de clientes que fluem através desses

pontos, em uma escala de tempo. A partir desses pontos de chegada e saída

determinados em função do tempo é possível desenvolver um diagrama que mostre

de forma acumulada para os pontos A e B, mostrando quantos clientes passaram por

esses pontos ao longo do tempo, conforme Figura 9 (RIBERO; GRASAS, 2002) e em

qualquer instante determinar o número de clientes esperando e até mesmo o tempo de

espera. Essa representação é chamada de diagrama Input/output.

Figura 9 – Modelo diagrama input/output

Fonte: Ribero; Grasas, 2002.

2.4.1 Ciclo PDCA

O Ciclo do PDCA talvez seja uma das mais famosas ferramentas para um

controle de processo. Foi levado ao Japão por Deming e amplamente empregada

naquele país. O ciclo do PDCA é um princípio de melhoria continuada formado por um

conjunto de ações ordenadas e interligadas entre si, o ciclo não pressupõe

isolamentos entre uma etapa e outra; ao contrário elas constantemente se

intercomunicam e se retroalimentam. Tem por princípio tornar mais claros e ágeis os

processos envolvidos na execução da gestão de projetos. As siglas do PDCA tem os

seguintes significados:

Planejar (PLAN): significa definir os objetivos ou metas e as estratégias ou

métodos para alcança-los.

Executar (DO): Colocar o planejamento em prática, observando e medindo

cada etapa a fim de coletar dados para a verificação do processo.

Checar (CHECK): analisar os dados gerados pelo processo a fim de

verificar se sete está adequado ao resultado pretendido.

Agir (ACT): efetivar as mudanças propostas na etapa anterior , voltando á

primeira etapa e corrigindo o método ou as metas no planejamento.

O ciclo do PDCA pode ser usado tanto para controlar um processo quanto

para o aperfeiçoá-lo, visando á melhoria continua.

Figura 10 – Modelo do ciclo do PDCA

3 METODOLGIA

Por método científico ou metodologia científica entende-se o caminho e o

instrumental para proceder e validar as mais diversas formas de pesquisa. Isso indica

que a metodologia não é normativo nem prescritivo, mas sim orientadora, porque

mostra como a pesquisa foi realizada (MICHEL, 2009).

4 RESULTADOS E DISCUSSÃO

A realização do estudo de caso foi feito de acordo com o estudo do Ciclo

PDCA, diante da metodologia apresentada pressupõe o uso da primeira etapa onde é

representada pela etapa planejar (PLAN), que tem por objetivo demostrar onde o

estudo será realizado, hora e dia para as coletas de dados e tipos de atendimento que

serão coletados.

O atendimento ao cliente do SAAE de Sete Lagoas e composto por vários

tipos de serviço. Dentre eles (Consumo, Parcelamento, Fiscalização, Religação, ITBI e

Preferencial e 2ª vias).

Os dados foram coletados considerando o atendimento dos clientes nos

seis canais disponíveis. Todos os atendimentos foram registrados quanto à hora de

chegada do cliente, a hora que o cliente foi atendido e a hora que o cliente finalizou o

atendimento. O sistema de atendimento do SAAE é composto por um atendimento

inicial, no qual o cliente chega e apresenta sua demanda a uma atendente, para

retirada da senha para o atendimento desejado. Após esse processo, o cliente

permanece na sala de espera até a chamada de sua senha.

Neste estudo foram consideradas as filas para os quatro canais de

atendimento, aplicados aos serviços de consumo e aos serviços de parcelamento

de contas, aos serviços de religação e a fila de preferencial. A fila de 2ª vias não

apresenta tempo de atendimento, porque a pessoa que entrega a senha aos clientes é

a mesma pessoa que tira segunda via, dada a simplicidade do atendimento. Sendo

assim, a fila de segundas vias não há tempo de espera. As filas de Fiscalização e ITBI

não compuseram a base de dados e foco do estudo, em função de serem localizadas

em diferentes salas o que dificultaria a coleta manual dos dados.

O estudo dos horários para a coleta foi selecionado de acordo com os

horários em que S (nº de atendentes) permanece constante durante o período de

coleta. Para a aplicação de qualquer modelo de filas, o S deve permanecer constante,

conforme apresentado no referencial teórico. Como o atendimento ao cliente do SAAE

apresenta dois turnos diferentes de funcionários e, em cada turno trabalham cinco

horas e meia por dia, os únicos horários em que S era constante são de 09:00 ás

11:00 e de 14:00 ás 16:00. A coleta de dados aconteceu do dia 05/01/2016 até o dia

03/03/216.

A segunda etapa do estudo é prosseguir com o ciclo do PCDA, depois de

ter planejado o estudo, em relação dia e horário e tipos de serviços que seriam

analisados e local, foi realizado a segunda etapa o ciclo que é representado pela sigla

executar (DO).

A coleta foi executada com sucesso durante os três meses, podendo

observar os períodos de mais frequência dos clientes e menos frequência em relação

a todo o mês. Podendo também analisar períodos chuvosos onde a demanda de

clientes diminui, e períodos ensolarados onde a demanda de clientes são sempre

grandes.

O sistema computacional do SAAE só apresenta o tempo que os clientes

ficam aguardando na fila, porém para o mesmo cliente, o sistema computacional não

apresentava o tempo que os atendentes gastam para atender aqueles clientes. Esses

dados foram coletados manualmente.

A terceira etapa do estudo é prosseguir com o ciclo do PCDA, depois de

ter planejado o estudo, executado o planejamento do estudo, foi realizado a terceira

etapa do ciclo que é representado pela sigla Checar (CHECK).

Durante os três meses de coleta de dados houve variação de números de

atendentes, e, por esse motivo, o estudo apresenta três tipos de filas: fila A, B e C:

Fila A é a fila que apresenta um único atendente (s=1) durante toda a

coleta de dados.

Fila B é a fila que apresenta dois atendentes (s=2) durante o período de

coleta.

Fila C é a fila que apresenta três atendentes (s=3) durante a coleta de

dados.

Para prosseguir com o estudo da fila segundo (GUTAM, 2006) devemos

conhecer e entender o procedimento para uma modelagem das filas, o primeiro passo

é conhecer a sua taxa de atendimento e entender os seus requisitos.

O sistema de filas se encaixa em um modelo que acabará por chegar a uma

condição de estado estacionário. Porém, quando a taxa de chegadas de clientes é

maior ou igual à taxa de atendimento, significa que a chegada de clientes excede a

taxa média de serviço, ou seja, será maior que 1,0 para esses casos a modelagem

das filas não apresentam solução, a modelagem das filas só apresentam solução para

as filas que sua taxa média de atendimento é menor do que 1,0. Nesse caso, quando

a fila apresenta uma taxa de atendimento maior do 1,0 a fila “explode” e cresce sem

limites, de modo que um sistema que inicia com zero chegada mantem seu

atendimento equilibrado durante um curto período, pois em longo prazo ele degenera-

se, e as filas crescem (GUTAM, 2006).

Durante toda a coleta de dados houve 11 dias em que as filas se formaram e

apresentou uma característica da fila A( 1 atendente) conforme citado no texto acima,

apresentou a taxa de atendimento maior do que 1,0 em todos os dias estudados. Isso

significa que o sistema de filas degenera-se, e a fila tende ao crescimento

indeterminado, não havendo solução analítica para esses casos. Infere-se que nesse

tipo de fila, a demanda de atendimento supera a capacidade de atendimento em todos

os dias e filas são geradas não por uma falta momentâneas de capacidade de

atendimento, mas por um problema sistêmico de demanda superior à capacidade de

atendimento, com filas crescendo durante todo o período de ocorrência.

Durante toda a coleta de dados houve 16 dias em que as filas se formaram e

apresentou uma característica da fila B( 2 atendente) segundo citado acima. Diante

disso as 16 filas das quais 7 (43,75% das filas B) serão analisadas, uma vez que as

demais 9 filas (56,25% das filas B) apresentaram uma taxa de atendimento do sistema

superior a 1,0 que, conforme o texto acima crescem indefinidamente e não serão o

foco desse estudo.

Durante toda a coleta de dados houve 29 dias em que as filas se formaram

e apresentou uma característica da fila C(3atendente) segundo citado acima. Diante

das 29, das quais apenas 17 (58,62% das filas C) representam o foco desse trabalho,

pois a taxa de atendimento foi menor que 1,0. As demais 12 filas (41,38% das filas C)

apresentaram taxa de utilização superior a 1,0, crescendo infinitamente e

representando falta de capacidade de atendimento.

Em linhas gerais o presente estudo teve como amostra de 56 filas

distribuídas entre os tipos A, B e C; no entanto, apenas 24 filas (42,85%). As demais

32 filas (57,15%) foram descartadas por não representarem foco do estudo e

possibilidade de análise frente às variáveis da Teoria das Filas. Sendo assim, as filas

em que apresentam a taxa de atendimento < 1,0, buscar-se-á a otimização,

conhecendo os modelos de filas para cada um dos dias.

Em prosseguimento ao estudo da fila segundo (ALMEIDA 2006) devemos

conhecer os modelos analíticos de cada fila, o primeiro passo é realizar o teste de

Poisson e Exponencial para cada fila que apresenta sua taxa de atendimento menor

do que 1,0.

Para realização do teste de Poisson e do teste Exponencial, considerando

todos os dias estudados da fila B (S=2), foi possível encontrar três tipos de filas

diferentes: modelo G/G/S (Filas B.2; B.7 e B.13); modelo M/G/S (Filas B.5 e B.9) e

modelo G/M/S (Filas B.8 e B.15).

Para os modelos G/G/S com S>1 há solução analítica, conforme

apresentado no referencial teórico. Já o modelo M/G/S, considerando um S>1 não

existe uma solução analítica estabelecida, conforme explica Almeida (2014), havendo

um modelo apenas quando S for igual a 1 servidor, conforme apresentado no

referencial. A mesma situação acontece com a fila G/M/S; que apenas apresenta

solução analítica quando S é igual a 1 servidor. Porém, não existe um modelo analítico

quando o sistema apresenta mais de um servidor, que no caso são S=2, uma vez que

a função entre chegadas e tempo de serviço apresenta uma relação de dependência

(PEREIRA, 2009).

Sendo assim, para as filas M/G/S e G/M/S foi necessário realizar uma

aproximação para o modelo analítico da fila G/G/S, uma vez que esse modelo de

aproximação representa uma generalização (G) dessas filas.

Em seguimento ao estudo busca-se apresentar os cálculos preconizados

pela teoria das filas e o cálculo dos valores reais, diferenciando-os. Para determinar o

valor real buscou-se o resgate ao referencial teórico, utilizando-se o gráfico

input/output para conseguir encontrar esses valores reais diários.

Para a fila C também foram aplicados os teste de Poisson e o teste

Exponencial para determinar os diferentes modelos de filas encontrados em cada um

dos dias de análise. Considerando os dias estudados da fila C(S=3) foi possível

encontrar quatro tipos de filas diferentes: modelo G/G/S, modelo M/M/S, modelo

M/G/S, e modelo G/M/S.

Para os modelos G/G/S com S>1 há solução analítica, conforme

apresentada no referencial. Para os modelos M/M/S com S>1 também há solução

analítica, conforme apresentado no referencial. Já o modelo M/G/S, considerando um

S>1 não existe uma solução analítica estabelecida, conforme explica Almeida (2014),

havendo um modelo apenas como S for igual a 1 servidor. A mesma situação

acontece com a fila G/M/S; que apenas apresenta solução analítica quando S é igual a

1 servidor. Porém, não existe um modelo analítico quando o sistema apresenta mais

de um servidor, que no caso são S=3, uma vez que a função entre chegadas e tempo

de serviço apresenta uma relação de dependência (PEREIRA, 2009). Sendo assim,

para as filas em que se encontrou o modelo M/G/S e G/M/S foi necessário realizar

uma aproximação para o modelo analítico da fila G/G/S. Em seguimento a fila C

também foi realizado gráfico input/output para conseguir encontrar esses valores reais

diários.

A quarta etapa do estudo é prosseguir com o ciclo do PCDA, depois de ter

planejado o estudo, executado o planejamento do estudo, e checado os dados, foi

realizada a quarta etapa do ciclo que é representado pela sigla Agir (ACT).

Inicialmente é preciso reconhecer que houve perda amostral significativa,

uma vez que a maioria das filas apresentou um ρ > 1,0, demonstrando que na maioria

das vezes a capacidade de atendimento do SAAE não é capaz de atender à demanda

de atendimento em sistemas com um, dois ou três servidores, sendo que a situação

mais grave ocorre quando o sistema tem um único servidor (fila A) em que todos os

casos apresentaram utilização superior a 1.

. Nesse caso, propõe-se o aumento do número S de servidores, o que

poderia promover uma significativa redução percentual dos tempos de espera no

sistema. Deve-se ressaltar que essa proposta precisa ser avaliada pela diretoria do

SAAE, pois envolve questões relacionadas à custos, alterações na estrutura física e a

própria estratégia de atendimento.

O número de atendentes pode ser aumentado nos momentos de maior

demanda de atendimento, sendo reduzido em outros de menor taxa de chegada de

clientes. Além disso, pode-se atuar nas variáveis da chegada buscando manipular o

ritmo de chegadas de clientes. Isso poderia acontecer caso o atendimento passasse a

ser agendado (uma faixa de horário com janelas de 30 minutos, por exemplo), o que

reduziria a taxa de chegada de clientes e, poderia reduzir a espera.

Ainda pode-se manipular a variável do atendimento promovendo um

treinamento dos funcionários e pelo desenvolvimento de ferramentas que fizessem

com que o tempo de atendimento fosse padronizado (reduzindo sua variabilidade) e

fosse executado em menos tempo, melhorando o tempo de esperada e número de

pessoas na fila.

5 CONCLUSÃO

Ao considerar a teoria das filas e seus modelos analíticos, foi objetivo

desta pesquisa estudar o atendimento ao público do SAAE identificando oportunidades

de melhoria. Pelas configurações do sistema estudado, foi possível identificar

momentos que os modelos com um, dois ou três servidores não foi capaz de atender à

demanda, criando filas que crescem infinitamente.

Foram propostas algumas ações para permitir a melhoria no atendimento

da SAAE pelo aumento do número de servidores, marcação de faixas de horários para

atendimento, padronização do atendimento e redução no tempo de atendimento com o

desenvolvimento de ferramentas que permitam uma aceleração dos processos. .

Cabe ressaltar que esse trabalho gerou reflexões relevantes sobre a

situação atual do atendimento e possibilidades de melhorias. Entretanto, a diretoria do

SAAE e seus competentes profissionais devem analisar o resultado deste trabalho e

considerar outras dimensões não abordadas nesse trabalho (como custos,

disponibilidade de pessoal e espaço físico, etc.) para a efetiva implementação de

ações.

Como sugestão para trabalhos futuros, propõe-se um estudo de maior

duração com o objetivo de entender a existência (ou não) de sazonalidades (horários

do dia em função dos dias da semana, semanas dentro dos meses, meses no decorrer

do ano, por exemplo), com o objetivo de complementar a análise e permitir a

proposição de melhores ações.

REFERÊNCIAS

ALLEN, AO. Probability, Statistics and Queuing Theory with Computer Science

Applications. 2.ed. New York: Academic Press, 1990.

ALMEIDA, Jussara M. Modelos Probabilísticos Filas M/M/1, G/G/1. Aula produzida

set. 2014. Disponível em: <http://homepages.dcc.ufmg.br/~jussara/anamodes/aula9b-

2014. pdf>. Acesso em: 26 mai. 2016

ANDRADE, Eduardo Leopoldino. Introdução à pesquisa operacional: métodos e

modelos para análises de decisões. 4. ed. Rio de Janeiro: LTC, 2009

CARNEIRO, Welington Monteiro. Utilização da Simulação Computacional para

Estudo das Filas: um estudo de caso nas Lojas Americanas de Ipatinga. 2007, 97f.

Monografia (Bacharelado em Engenharia de Produção) – Faculdade Pitágoras, Ipatinga,

2007.

GAUTAM, N. Queueing Theory. In: BRIGE, John R.; LINETSKY, Vadim. Operations

Research and Management Science: handbook. Editor: Revindram, 2006. Chapter 9,

63p.

RIBEIRO, Paulo César T. Atendimento diferenciado a clientes. 2011. Disponível em:

<http://www.rhportal.com.br/artigos/wmprint.php?idc_cad=tpt2p6dis>. Acesso em: 12

abr. 2015

SLACK, Nigel; CHAMBERS, Stuart; JOHNSTON, Robert. Administração da

Produção. 3. ed. São Paulo: Atlas, 2009.

<<Ano de entrega>>

Autorização de Divulgação de Artigo Técnico

AUTORIZAÇÃO DE PUBLICAÇÃO

AUTORIZO A PUBLICAÇÃO DO ARTIGO TÉCNICO NA INTERNET, JORNAIS

E REVISTAS TÉCNICAS EDITADAS PELO IETEC.

NÃO AUTORIZO A PUBLICAÇÃO OU DIVULGAÇÃO DO ARTIGO TÉCNICO.

BELO HORIZONTE, 05/12/2017

CURSO: Engenharia do Planejamento

SEMESTRE/ANO: 2017

TURMA: 14

TÍTULO DO ARTIGO:

QUALIDADE NO ATENDIMENTO AO CLIENTE A PARTIR DA TEORIA DAS FILAS:

um estudo de caso no SAAE da cidade de Sete Lagoas

NOME DO AUTOR (LEGÍVEL) ASSINATURA

Isabella Cunha Avelar Isabella

*