tÉcnicas de simulaÇÃo de sistemas para … · 3.2.4.3 programa computacional promodel ......

FACULDADE IETEC

Wesley Afonso Polesca de Souza

TÉCNICAS DE SIMULAÇÃO DE SISTEMAS PARA TOMADA DE

DECISÃO NO PROCESSO DE TRIAGEM NEONATAL

Belo Horizonte

2016

Wesley Afonso Polesca de Souza

TÉCNICAS DE SIMULAÇÃO DE SISTEMAS PARA TOMADA DE

DECISÃO NO PROCESSO DE TRIAGEM NEONATAL

Dissertação apresentada ao Curso de Mestrado da Faculdade Ietec, como requisito parcial à obtenção do título de Mestre em Engenharia e Gestão de Processos e Sistemas. Área de concentração: Engenharia e Gestão de Processos e Sistemas

Linha de pesquisa: Gestão de Processos, Sistemas e Projetos

Orientador: Prof. Ph.D. José Helvecio Martins Faculdade Ietec

Belo Horizonte

Faculdade Ietec

2016

Souza, Wesley Afonso Polesca de.

S729t Técnicas de simulação de sistemas para tomada de decisão no processo de triagem neonatal/ Wesley Afonso Polesca de Souza. - Belo Horizonte, 2016.

90 f., enc.

Orientador: José Helvecio Martins

Dissertação (mestrado) – Faculdade Ietec.

Bibliografia: f. 66-69

1. Gestão de processos. 2. Empresas - Aspectos econômicos. 3. Processo de implementação. I. Martins, José Helvecio. II. Faculdade Ietec. Mestrado em Engenharia e Gestão de Processos e Sistemas. III. Título.

CDU: 681.3.03

Em memória dos meus Pais, Ana e Ildeu, a eles todos os meus créditos.

AGRADECIMENTOS

Nessa parte do trabalho sempre fica a preocupação de esquecer alguém.

Então, desde já agradeço a todos que me acompanharam do início até o fim desse

trabalho.

A todos os professores, em especial, ao Professor José Helvecio e Professor

Rafael Pinheiro, pela orientação e paciência durante o desenvolvimento desta

dissertação. Aos colegas de mestrado, que durante a realização dos créditos,

dividiram as experiências e conhecimentos, sempre com muito ânimo e bom humor.

Aos meus amigos, que sempre me apoiaram e arrumaram tempo para sair

por algumas horas, retirando o peso das responsabilidades de nossas costas.

Agradeço aos meus irmãos, pela paciência e compreensão durante o

desenvolvimento desse trabalho.

E, finalmente, para Simone da Silva Miranda, minha esposa, por ter sido meu

ponto de amizade, companhia e paciência. Sem ela o meu caminho seria muito

mais difícil.

“A mente que se abre a uma nova ideia jamais voltará ao seu tamanho original. ”

Albert Einstein

RESUMO

Esse trabalho propõe a aplicação de modelos de simulação computacional para o

programa de triagem neonatal. Para possibilitar aos gestores uma visão gerencial do

programa foi proposto um modelo de dinâmica de sistema contínuo, e para

possibilitar uma visão operacional do fluxo do programa, foi proposto um modelo de

simulação por eventos discretos. A validação dos modelos foi realizada por meio

dos dados coletados do Núcleo de Ações e Pesquisa de Apoio ao Diagnóstico da

Faculdade de Medicina da UFMG. Os modelos apresentados nesta dissertação

fornecem aos gestores dos programas de triagem neonatal uma ferramenta capaz

de realizar predições e a condução de experimentos sem a necessidade de interferir

na produtividade dos recursos humanos do sistema.

Palavras-chave: Dinâmica de sistema. Eventos discretos. Predições. Modelos de

simulação.

ABSTRACT

This work proposes the application of computer simulation models for the neonatal

screening program. To enable managers to a managerial vision of the program it is

proposed a continuous system dynamics model, and to allow an operational

overview of the program flow, it is proposed a model of discrete event simulation.

Validation of the models was performed using the data collected from the Center for

Action and Research Diagnosis Support of the School of Medicine of the Federal

University of Minas Gerais. The models presented in this dissertation provide

managers of neonatal screening programs a tool to make predictions and conducting

experiments without the need to interfere with the productivity of the human

resources in the system.

Keywords: System Dynamics. Discrete events. Predictions. Simulation models.

LISTA DE FIGURAS

Figura 1 - Previsibilidade do sistema em função de sua complexidade com

simulação e sem simulação .................................................................. 16

Figura 2 - Simulação discreta ................................................................................ 22

Figura 3 - Aplicações de modelagem e simulação por nível de abstração ............ 23

Figura 4 - Etapas de desenvolvimento do projeto .................................................. 27

Figura 5 - Fluxo de Triagem Neonatal ................................................................... 29

Figura 6 - Diagrama casual do Programa de Triagem Neonatal (PTN) ................. 34

Figura 7 - Diagrama de fluxo para o modelo de simulação do processo de triagem

neonatal por meio da dinâmica de sistema contínuo ............................ 36

Figura 8 - As quatro etapas do modelo de simulação............................................ 37

Figura 9 - Fluxo de crescimento da população e a triagem das amostras no

Laboratório de Triagem Neonatal (LTN) - Serviço de referência ........... 38

Figura 10 - Laboratório de triagem neonatal ............................................................ 40

Figura 11 - Comunicação com o centro de referência ............................................. 43

Figura 12 - Monitoramento do tratamento ............................................................... 45

Figura 13 - Fluxo principal do Processo de Triagem Neonatal ................................ 47

Figura 14 - Comunicação com o centro de referência ............................................. 49

Figura 15 - Fluxo laboratorial ................................................................................... 50

Figura 16 - Elemento “triagem” ................................................................................ 56

Figura 17 - Elemento "Recebimento" ....................................................................... 57

Figura 18 - Elemento "Amostra alterada" ................................................................ 58

Figura 19 - Comparação entre os resultados obtidos por meio de simulação e os

dados reais, para o elemento "Amostra alterada" ................................. 59

Figura 20 - Elemento "Resolução de recoleta" ........................................................ 60

Figura 21 - Elemento "Encaminhamento" ................................................................ 61

Figura 22 - Comparação entre os dados reais e os dados obtidos por meio de

simulação para o elemento "Encaminhamento" .................................... 61

Figura 23 - Comparação entre as variáveis de entrada no sistema ........................ 63

Figura 24 - Comparação entre as variáveis de realização dos exames .................. 63

LISTA DE QUADROS

Quadro 1 - Vantagens e desvantagens das ferramentas de simulação .................. 20

Quadro 2 - Diferenças conceituais entre as metodologias de dinâmica de sistema

(DS) e de simulação por eventos discretos (SED) ................................ 24

Quadro 3 - Principais variáveis do Processo de Triagem Neonatal (PTN) .............. 33

Quadro 4 - Fórmulas utilizadas na primeira parte do modelo – triagem neonatal ... 39

Quadro 5 - Fórmulas utilizadas na segunda parte do modelo ................................. 41

Quadro 6 - Fórmulas utilizadas na terceira parte do modelo ................................... 44

Quadro 7 - Fórmulas utilizadas na quarta parte do modelo ..................................... 46

Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos . 51

Quadro 9 - Entradas das entidades para a simulação do processo de triagem por

meio de eventos discretos ..................................................................... 55

Quadro 10 - Dados reais da base de dados do Programa de Triagem Neonatal ..... 62

Quadro 11 - Dados simulados e comparação com os dados reais ........................... 62

LISTA DE ABREVIATURAS E SIGLAS

FM Faculdade de medicina

NUPAD Núcleo de Ações e Pesquisa em Apoio ao Diagnóstico

PTN Programa de Triagem Neonatal

PTN-MG Programa de Triagem Neonatal de Minas gerais

SUS Sistema Único de Saúde

SES-MG Secretaria de Estado da Saúde de Minas Gerais

SRTN Serviço de Referência em Triagem Neonatal

SED Simulação de Eventos Discretos

SC Simulação Contínua

SUMÁRIO

1 INTRODUÇÃO ............................................................................................. 14

1.1 Considerações preliminares ......................................................................... 14

1.2 O problema ................................................................................................... 15

1.3 Hipótese ....................................................................................................... 17

2 OBJETIVOS ................................................................................................. 18

3 REVISÃO DE LITERATURA ........................................................................ 19

3.1 Conceito de triagem ..................................................................................... 19

3.2 Modelagem e simulação ............................................................................... 20

3.2.1 Dinâmica de sistemas .................................................................................. 21

3.2.2 Simulação por eventos discretos .................................................................. 21

3.2.3 Comparação entre a dinâmica de sistema (DS) a e simulação de eventos

discretos ....................................................................................................... 22

3.2.4 Ferramentas Computacionais para Simulação ............................................. 24

3.2.4.1 Programa Computacional Arena .................................................................. 24

3.2.4.2 Programa Computacional Vensim ................................................................ 25

3.2.4.3 Programa Computacional ProModel ............................................................. 26

4 METODOLOGIA ........................................................................................... 27

5 RESULTADOS E DISCUSSÃO ................................................................... 32

5.1 Estudo do fluxo do processo de triagem neonatal e seleção das principais

variáveis ....................................................................................................... 32

5.2 Modelagem do fluxo do processo de triagem neonatal utilizando a dinâmica

de sistema .................................................................................................... 34

5.2.1 Primeira Parte do Modelo - Triagem Neonatal ............................................. 37

5.2.2 Segunda Parte do Modelo – Laboratório de Triagem Neonatal ................... 39

5.2.3 Terceira Parte do Modelo – Comunicação com o Centro de Referência ..... 42

5.2.4 Quarta Parte do Modelo – Monitoramento do Tratamento ........................... 44

5.3 Modelagem do processo de triagem neonatal utilizando simulação de

eventos discretos .......................................................................................... 46

5.4 Validação dos modelos de simulação utilizando os dados do Programa de

Triagem Neonatal do Estado de Minas Gerais (PTN-MG) ........................... 56

5.4.1 Validação dos Modelos de Simulação .......................................................... 56

5.4.2 Validação do Modelo de Simulação Contínua .............................................. 56

5.4.3 Validação do modelo de simulação de eventos discretos ............................ 62

6 CONCLUSÕES ............................................................................................ 64

6.1 Recomendações para trabalhos futuros ....................................................... 65

REFERÊNCIAS ............................................................................................ 66

APÊNDICE A – Taxas utilizadas na dinâmica de sistema ....................... 70

APÊNDICE B – Comparação dos dados simulados do elemento

“Triagem” - primeira parte do modelo ........................................................ 75

APÊNDICE C – Comparação dos dados simulados do elemento

“Recebimento” - Segunda parte do modelo .............................................. 79

APÊNDICE D – Comparação dos dados simulados do elemento

“Amostra alterada” -Segunda parte do modelo ......................................... 82

APÊNDICE E – Comparação dos dados simulados elementos

“Resolução recoleta” Terceira parte do modelo ....................................... 85

APÊNDICE F – Comparação dos dados simulados do elemento

“Encaminhamento” -Terceira parte do modelo ......................................... 88

14

1 INTRODUÇÃO

1.1 Considerações preliminares

Desde a década de 60 a Organização Mundial de Saúde (OMS) recomenda a

criação dos programas populacionais de Triagem Neonatal, para a prevenção de

doenças de origem genética ou que se desenvolveram no período fetal (congênita)

(PNTN, 2004).

No Brasil, a Triagem Neonatal foi incorporada no Sistema Único de Saúde

(SUS) no ano de 1992 (Portaria GM/MS nº 22, de 15 de janeiro de 1992). Esta

legislação determinava a obrigatoriedade do teste em todos os recém-nascidos

vivos. Naquela época eram realizados os exames para o diagnóstico de

Fenilcetonúria e Hipotireoidismo.

No ano de 2001 foi publicada a portaria (Portaria GM/MS nº 822, de 6 de

junho de 2001) que criou e regulamentou o Programa de Triagem Neonatal (PTN),

com o intuito de ampliar a realização dos exames para outras doenças congênitas.

Assim, passou-se para uma abordagem mais ampla, envolvendo a detecção

precoce, na busca ativa de pacientes suspeitos de serem portadores das patologias

e encaminhamento dos pacientes diagnosticados.

O fluxo de ações do PTN passou a ser influenciado por diversas variáveis,

iniciando-se na coleta das amostras, que é realizada por um serviço de saúde

credenciado, até o diagnóstico e acompanhamento dos pacientes diagnosticados.

Durante o processo de triagem diversos fatores externos podem influenciar

esse fluxo, como, por exemplo, greve de funcionários dos correios (responsável pelo

envio das amostras), problemas de infraestrutura no município, problemas políticos

e culturais, dentre outros.

Até no ano de 2016, os programas de triagem neonatal no Brasil realizam os

exames para o diagnóstico de Fenilcetonúria, Hipotireoidismo Congênito, Doença

Falciforme, Fibrose Cística, Deficiência de Biotinidase e Hiperplasia Adrenal

Congênita.

No Estado de Minas Gerais, existe o Núcleo de Ações e pesquisa em Apoio

ao Diagnóstico (NUPAD), em Belo Horizonte, que é um órgão complementar da

Faculdade de medicina (FM) da Universidade Federal de Minas gerais - UFMG.

15

O NUPAD foi criado em 1993 com o objetivo de implantar o Programa de

Triagem Neonatal (PNTN) pela Secretaria de Estado de Saúde de Minas Gerais

(SES-MG). Posteriormente, o núcleo foi cadastrado como serviço de Referência em

Triagem Neonatal (SRTN) do Estado pelo Ministério da Saúde (NUPAD, 2015).

O Programa de Triagem Neonatal de Minas Gerais (PTN-MG) atende

gratuitamente a todos os 853 munícios do Estado de Minas Gerais. O Programa

consiste na realização do exame de triagem neonatal (conhecido popularmente

como o teste do pezinho), para o diagnóstico em tempo oportuno, tratamento e

acompanhamento das crianças diagnosticadas (NUPAD, 2015).

No processo de triagem neonatal, devido a limitações da capacidade

humana, é praticamente impossível interpretar, analisar e obter resultados a partir

de grandes quantidades de dados sem auxílio de processos computadorizados.

Além disso, torna-se difícil a diferenciação de informações úteis nas bases de dados

do sistema (FAYYAD et al., 1996).

1.2 O problema

A tomada de decisão é uma atividade importante e complexa para os

gestores do Programa de Triagem Neonatal (PTN). A capacidade de compreender e

entender o sistema como um todo é fundamental nas decisões em uma instituição.

Os gestores dos programas terão maior capacidade de tomar decisões quando

buscam integrar e entender todos os fatores que exercem influência sobre o

processo. Esse processo inicia no nascimento da criança e continua no seu

acompanhamento e tratamento.

Quando os gestores não possuem uma visão do sistema, como um todo, eles

tomam decisão reativas, considerando apenas o problema presente, sem relacioná-

los com o ambiente, com suas variáveis e com os demais fatores correlacionados

(COELHO, 2013).

O uso de ferramentas que possam auxiliar os gerentes ou coordenadores em

suas tomadas de decisão é indispensável, possibilitando identificar possíveis riscos

antes deles se materializarem (HERMSDORF, 2011).

Quanto maior a complexidade do sistema menor será a sua previsibilidade,

devido ao número de variáveis e ao número de inter-relações existentes (DUARTE,

2003). Na Figura 1 encontra-se uma comparação dos diversos tipos de sistema com

a sua previsibilidade, sem o uso da simulação e com o uso da simulação.

16

O advento das novas tecnologias na área de equipamento de informática

(hardware) e a diminuição dos custos de armazenamento de dados, aliado ao

crescimento econômico de vários setores, permitiu que as organizações reunissem,

sistematicamente, uma enorme quantidade de dados e informações em suas bases

de dados (FAYYAD et al., 1996).

Figura 1 - Previsibilidade do sistema em função de sua complexidade com

simulação e sem simulação

Fonte: DUARTE, 2003.

Sendo assim, existe uma grande quantidade de dados disponíveis dentro das

organizações que, por sua vez, nem sempre são utilizadas para identificar áreas ou

processos em que a empresa pode ganhar vantagem competitiva.

Especialistas estimam que somente uma pequena fração dos dados

processados em uma empresa está disponível para os usuários tomarem decisões,

o que leva à conclusão de que as organizações são ricas em volume de dados, mas

são pobres em dados úteis (OLIVEIRA, 1998).

Considerando-se a capacidade humana, é praticamente impossível

interpretar, analisar e obter resultados a partir de grandes quantidades de dados

sem auxílio de processos computadorizados, além de ser difícil a diferenciação de

informações úteis nessas bases de dados (FAYYAD et al., 1996).

17

Com base no exposto, foi formulada a hipótese deste trabalho, descrita a

seguir.

1.3 Hipótese

A utilização de uma ferramenta que descreve o processo do programa de

triagem neonatal (PTN), com base em modelos de simulação de sistemas dinâmicos

e de eventos discretos, possibilita aos gerentes do programa tomar decisões mais

eficientes.

18

2 OBJETIVOS

O objetivo geral neste trabalho é construir um modelo de simulação de

dinâmica de sistemas e um modelo de simulação por eventos discretos que permita

avaliar as principais etapas de um programa de triagem neonatal.

Especificamente foram estabelecidas as seguintes metas:

1. Selecionar as principais variáveis envolvidas no processo do Programa de

Triagem Neonatal (PTN) para desenvolvimento do modelo de dinâmica de

sistema e de simulação por eventos discretos.

2. Desenvolver a modelagem e simulação do Processo de Triagem Neonatal

(PTN), por meio de técnicas de dinâmica de sistema.

3. Desenvolver a modelagem e simulação do Processo de Triagem Neonatal

(PTN), usando simulação de eventos discretos.

4. Realizar a validação dos modelos propostos de dinâmica de sistema e de

simulação por eventos discretos.

19

3 REVISÃO DE LITERATURA

Esta seção apresenta os fundamentos teóricos da pesquisa, principalmente a

respeito da abordagem do conceito de triagem, modelagem e simulação de

sistemas dinâmicos, suas principais características e a diferenciação entre

modelagem de eventos discretos e modelagem contínua.

3.1 Conceito de triagem

O termo triagem se originou no vocabulário francês da palavra triage, que

significa seleção ou separação de um grupo, ou ainda a escolha entre inúmeros

elementos.

Em saúde pública, triagem é a ação primária dos Programas de Triagem, ou

seja, a detecção por meio de testes aplicados a uma população de um grupo de

indivíduos com probabilidade elevada de apresentarem determinadas patologias

(PNTN, 2004).

A definição Triagem Neonatal, significa a aplicação desta metodologia de

rastreamento especificamente na população com idade de 0 a 30 dias de vida

(PNTN, 2004).

Os Programas de Triagem Neonatal têm várias responsabilidades. Portanto,

o Serviço de Referência em Triagem Neonatal (SRTM) em cada Estado brasileiro

possui as seguintes responsabilidades (PNTN, 2004):

Organizar a rede estadual de coleta, vinculada a um laboratório específico de

Triagem Neonatal, junto com as Secretarias Estaduais e Municipais de

Saúde.

Utilizar um laboratório especializado em Triagem Neonatal.

Implantar o ambulatório multidisciplinar para atendimento e acompanhamento

dos pacientes triados.

Estabelecer vínculo com a rede de assistência hospitalar complementar.

Utilizar um sistema informatizado que gerencie todo o Programa e gere os

relatórios que irão alimentar o banco de dados do Programa de Triagem

Neonatal Nacional (PTN).

20

3.2 Modelagem e simulação

A simulação é a imitação da operação de um processo ou sistema do mundo

real ao longo do tempo (LAW; KELTON, 2000; BANKS, 1998; PRADO, 2008). Neste

contexto a simulação envolve a geração de um histórico artificial do sistema e sua

observação para direcionar inferência envolvendo as características do sistema real

que estão sendo representados.

Para reproduzir um modelo cientificamente, é necessária a criação de

hipóteses sobre seu funcionamento, formando as relações matemáticas ou lógicas,

assim constituindo o modelo do sistema. Desta forma, as relações que compõem o

sistema são simples, sendo possível utilizar métodos matemáticos como álgebra,

cálculo ou teoria da probabilidade, para obter os resultados exatos. No entanto, a

grande maioria dos sistemas do mundo real é complexa, ao ponto de não permitir

avaliação analítica, sendo necessário que estes modelos sejam estudados por meio

de simulação (LAW, 2007).

Apesar de as ferramentas de simulação serem excelentes para realização de

análises, elas também apresentam vantagens e desvantagens, conforme descritas

no Quadro 1 (FREITAS FILHO, 2008).

Quadro 1 - Vantagens e desvantagens das ferramentas de simulação (Continua)

Vantagens

Depois de o modelo de simulação ter sido desenvolvido, ele pode ser utilizado várias vezes para avaliar projetos propostos.

Hipóteses sobre como ou por que determinados problemas ocorrem podem ser facilmente testadas para verificação.

Uma vez que os modelos de simulação podem ser quase tão detalhados quanto os sistemas reais, novas políticas e procedimentos operacionais, regras de decisão, fluxos de informação, dentre outras, podem ser avaliadas, sem que o sistema real seja perturbado, podendo explorar questões do tipo: o que aconteceria se?

Controle do tempo, permitindo reproduzir os problemas de forma mais rápida ou mais lenta para melhor avaliação.

Facilidade na aplicação do método em comparação a métodos analíticos.

Nível de detalhes muito semelhante ao sistema real.

Identificação de gargalos, facilidade na proposição de melhorias, dentre outras.

21

Quadro 1 - Vantagens e desvantagens das ferramentas de simulação (Conclusão)

Desvantagens

Os resultados podem ser de difícil interpretação (processos aleatórios incluídos no modelo).

A modelagem e a experimentação associadas a modelos de simulação consomem muitos recursos, principalmente tempo.

Exigência de treinamento para construção de modelos, o que pode levar certo tempo.

Fonte: FREITAS FILHO, 2008.

3.2.1 Dinâmica de sistemas

A dinâmica de sistema (DS) é caracterizada como uma metodologia capaz de

aprimorar a compreensão de um sistema complexo, enquanto representa para o

usuário os diagramas causais, malhas de realimentação (loops de feedback) e de

fluxo (STERMAN, 2000).

A dinâmica de sistema (DS) podem também ser entendida como uma

abordagem de pensamento, que toma uma perspectiva integrativa do sistema, e

cuja característica principal é o reconhecimento de processos inerentes de

realimentação (feedback) na estrutura dos sistemas para os quais a modelagem

está sendo desenvolvida (HELAL, 2008).

3.2.2 Simulação por eventos discretos

A simulação por eventos discretos (SED) é amplamente aplicada e tem como

objetivo estimar o desempenho do sistema, permitindo a realização de análises de

sensibilidade, análise de impacto, análise de paradas de equipamentos, dentre

outras situações.

O avanço na tecnologia de simulação discreta tem tornado possível o uso de

modelos computacionais aplicados à tomada de decisão de rotina, especialmente

em projetos de sistemas futuros, baseados em dados atuais (HARRELL et.al.,

2002).

A simulação de eventos discretos (SED) é caracterizada por eventos nos

quais as mudanças acontecem de maneira descontínua, ou seja, sofrem mudanças

bruscas, conforme ilustrado na Figura 2 (STRACK, 1984).

22

Figura 2 - Simulação discreta

Fonte: DUARTE, 2003. Nota: Dados trabalhados pelo autor.

3.2.3 Comparação entre a dinâmica de sistema (DS) a e simulação de eventos

discretos

A simulação por eventos discretos (SED) é mais apropriada para realizar

simulações de problemas de baixo nível de abstração e mais detalhados. A

dinâmica de sistema (DS) é mais adequada para a modelagem de processos

contínuos, relacionados a processos extensivos com realimentação (feedback).

A Figura 3 contém uma comparação destes dois tipos de simulação

(BORSHCHEV; FILIPPOV, 2004).

23

Figura 3 - Aplicações de modelagem e simulação por nível de abstração

Fonte: BORSHCHEV; FILIPPOV, 2004. Nota: Dados trabalhados pelo autor.

Ambas as metodologias, dinâmica de sistema (DS) e simulação por eventos

discretos (SED), apresentam distinções conceituais que devem ser consideradas ao

desenvolver um modelo. Estas distinções são apresentadas e descritas no Quadro

2.

SD

SE

D

Agregação, dependências globais causais, dinâmica de retroalimentação

(feedback), ...

Objetos individuais, formatos extratos, distância, velocidade, tempos, ...

24

Quadro 2 - Diferenças conceituais entre as metodologias de dinâmica de sistema (DS) e de simulação por eventos discretos (SED)

Diferenças SED DS

Perspectiva. Analítica, ênfase na complexidade do detalhe.

Holística, ênfase na complexidade da dinâmica.

Configuração básica do sistema.

Rede de filas e atividades. Série de estoques e fluxos.

Resolução. Entidades individuais, atributos, decisões e eventos.

Entidades homogeneizadas, pressão por política homogênea.

Mudança de Estado

Em pontos discretos do tempo. Contínua.

Requerimento de dados.

Precisão numérica, muito dependente.

Descritos de maneira geral, sem necessidade de precisão absoluta.

Compreensão das saídas (outputs).

Predições precisas e detalhadas das medidas de desempenho; compreensão de regras de decisão e interpretação de cenários.

Entendimento dos modos de comportamento das estruturas do modelo; visão dinâmica das causas e efeitos das políticas de decisão.

Fonte: BRITO, 2014.

3.2.4 Ferramentas Computacionais para Simulação

3.2.4.1 Programa Computacional Arena

O programa computacional Arena é voltado para representação de processos

em um ambiente gráfico integrado à simulação, contendo inúmeros recursos para

modelagem, animação, análise estatística e análise dos resultados.

Os elementos estáticos do programa Arena formam um ambiente bem

definido, com regras e propriedades que interagem com os elementos dinâmicos

que fluem dentro do ambiente (TECNOLOGIA, 2002). Como, por exemplo, em uma

linha de produção constituída por máquinas (elementos estáticos) que, quando em

operação, passam peças ou matéria-prima (elementos dinâmicos) que vão sendo

processadas até a saída do produto final.

O programa Arena possui as seguintes ferramentas (KEYTON; SADOWSKI,

1998):

25

Analisador de dados de entrada (Input Analyzer).

Analisador de resultados (Output Analyzer).

Analisador de processos (Process Analyzer).

Otimizador (Optquest).

O programa Arena é composto por um conjunto de blocos, utilizado para

demonstrar ou descrever uma aplicação real, o qual funcionam com comandos de

uma linguagem de programação própria.

Os elementos básicos do programa são as entidades que representam as

pessoas, objetos, transações, dentre outras, que se movem ao longo do sistema; as

estações de trabalho que demonstram onde será realizado algum serviço ou

transformação e, por fim, o fluxo que representa os caminhos que as entidades irão

percorrer ao longo das estações (FERNANDES et al., 2006).

3.2.4.2 Programa Computacional Vensim

O Vensim é um programa computacional de simulação com seu próprio

ambiente, no qual pode ser construído ou estudado modelos de diagramas causais,

diagramas de fluxos e simulação de modelos.

O Vensim é uma ferramenta visual de modelagem que permite conceituar,

documentar, simular, analisar e aperfeiçoar modelos de simulação, a partir de

diagramas causais ou diagramas de fluxo. Portanto, não é necessário trabalhar com

equações matemáticas (VENTANA SYSTEMS, 1995).

A conexão estre as variáveis do sistema são realizadas por meio de setas

que são reconhecidas como conexão causa-efeito. Essa informação é utilizada pelo

editor de equação do Vensim para formular uma simulação completa do modelo.

O modelo pode ser analisado realizadas por meio do seu processo de

construção, observando as causas (variáveis que modificam a variável de interesse)

e os usos (variáveis que são modificadas pela variável de interesse) de uma

variável, e também os retornos (loops) envolvendo esta variável (VENTANA

SYSTEMS, 1995).

26

3.2.4.3 Programa Computacional ProModel

Segundo Benson (1997), o programa ProModel é uma poderosa ferramenta

de simulação, que pode ser utilizada para modelagem de todos os tipos de sistemas

de produção, abrangendo desde pequenas lojas de trabalho e células de usinagem

até grandes sistemas de produção em massa, sistemas de fábrica flexível e

sistemas de cadeia de suprimento. O ProModel é um sistema baseado no Windows

com interface gráfica intuitiva. A modelagem é desenvolvida utilizando objetos que

eliminam a necessidade de programação.

Os elementos de modelagem do ProModel fornecem objetos (blocos) de

construção para representar os componentes físicos e lógicos de um sistema que

está sendo modelado. Os elementos físicos do sistema tais como peças, máquinas,

ou recursos, podem ser representados graficamente ou por nome.

27

4 METODOLOGIA

O desenvolvimento deste trabalho foi dividido em quatro etapas, descritas a

seguir e esquematizadas no fluxograma da Figura 4.

1 Estudo do fluxo do programa de triagem neonatal e seleção das variáveis

do processo.

2 Modelagem do fluxo do programa de triagem neonatal por meio de

dinâmica de sistemas.

3 Modelagem do problema utilizando técnicas de simulação discreta.

4 Validação dos modelos de simulação utilizando dados obtidos dos

registros do Programa de Triagem Neonatal do Estado de Minas Gerais

(PTN-MG).

Figura 4 - Etapas de desenvolvimento do projeto

Fonte: Elaborador pelo autor, 2016.

Etapa 1

Estudo do fluxo do processo de triagem

neonatal e seleção das variáveis.

Etapa 2

Modelagem do fluxo do processo de triagem por

meio de dinâmica de sistemas.

Etapa 3

Modelagem do processo de triagem utilizando

simulação de eventos discretos.

Etapa 4

Validação dos modelos de simulação utilizando

os dados do PTN-MG.

28

Dentre as quatro etapas do trabalho, a consolidação das três primeiras exige

um processo de testes de validação, que constitui a quarta etapa. Esta etapa

(validação dos modelos desenvolvidos) foi realizada com base nos dados coletados

no fluxo de informação do Núcleo de Ações e Pesquisa em Apoio ao Diagnóstico

(NUPAD), órgão complementar da Faculdade de Medicina da Universidade Federal

de Minas Gerais - UFMG.

4.1 Estudo do fluxo do programa de triagem neonatal e seleção das

principais variáveis

Como o ponto de partida, foi desenvolvido o modelo conceitual, que forneceu

informações ao modelo computacional. A representação do modelo conceitual, em

forma de fluxograma, é mostrada na Figura 5.

Para validar o modelo conceitual foi utilizada a técnica de validação face a

face, que consiste em testes realizados por um usuário com conhecimento do

sistema do mundo real (SARGENT, 1998).

O fluxo de entrada de informação inicia-se na coleta da amostra realizada por

um serviço de saúde credenciado no Programa de Triagem Neonatal (PTN), sendo

que o transporte dessas amostras é realizado pelo correio.

Ao receber as amostras, os dados são cadastrados no sistema de informação

do Programa e elas são encaminhadas ao laboratório de triagem neonatal para

processamento, análise e liberação dos resultados dos exames.

Caso haja alguma alteração no resultado, uma comunicação é encaminhada

ao setor de controle de tratamento, para que seja iniciada a busca ativa. Os

resultados sem alteração são encaminhados diretamente para o serviço de saúde

que realizou a coleta.

A busca ativa consiste em um processo em que o colaborador do setor de

controle de tratamento entra em contato, por meio de telefone ou de mensagem

eletrônica (e-mail), com o serviço de saúde que realizou a coleta, para informar o

resultado ou enviar novas solicitações.

Essa comunicação pode ser gerada pelos seguintes motivos: amostra

inadequada, amostra alterada ou encaminhamento médico. O encaminhamento

médico gera um novo processo de agendamento de consulta nos ambulatórios

29

especializados, conforme a patologia, e também o controle dos agendamentos

dessas consultas.

Os dados são coletados e armazenados em um banco de dados centralizado,

em todas as etapas do processo descrito no fluxo representado na Figura 5.

Figura 5 - Fluxo de Triagem Neonatal

Fonte: NUPAD, 2015.

4.2 Modelagem do fluxo do processo de triagem neonatal utilizando a

dinâmica de sistema

Para estudar a situação atual do processo do Programa de Triagem Neonatal

(PTN), foram utilizados os conceitos que envolve a técnica de dinâmica de sistema

que possibilitam entender como o processo físico, os fluxos de informação e de

gestão política interagem para criar a dinâmica das variáveis de interesse.

A dinâmica de sistema é um método que busca estudar as estruturas de um

sistema organizacional ou social, por meio da representação das relações causais

30

entre seus elementos e da evolução do sistema com o tempo (FORRESTER, 1961;

ROBERTS et al., 1983; PIDD, 1998; STERMAN, 2000).

Por meio das ferramentas e ambiente de simulação, é possível testar as

diferentes políticas e soluções para a operação do sistema, possibilitando, assim, a

avaliação do impacto de decisões e proporcionando um conjunto de ferramentas

para compreensão da comunicação sobre o modelo da realidade (PIDD, 1998).

A ideia fundamental da dinâmica de sistema é que o comportamento

dinâmico do sistema obedece a um princípio chamado de Princípio da Acumulação.

Esse princípio afirma que a resposta desses sistemas decorre das transações dos

valores dos recursos acumulados em estoques e mostra que essas transações são

controladas por fluxos de entradas e saídas de recursos (STERMAN, 2000).

A situação atual do processo de triagem do Programa de Triagem Neonatal

(PTN) foi analisada por meio de técnicas de simulação de sistemas dinâmicos

utilizando o programa computacional Vensim PLE 6.3.

4.3 Modelagem do processo de triagem neonatal utilizando simulação por

eventos discretos

Para realizar um estudo mais detalhado do processo do Programa de

Triagem Neonatal - PTN foram utilizadas técnicas de modelagem de simulação de

eventos discretos.

As simulações de eventos discretos são mais apropriadas para baixos níveis

de abstração e com mais detalhamento (SWEETSER, 1999).

Os sistemas de Simulação de Eventos Discretos (SED) podem ser definidos

como uma coleção de entidades que agem e interagem juntas, por meio de

processos no sistema, buscando um fim lógico (LAW; KELTON, 2000).

Simulação de Eventos Discretos (SED) tem sido muito eficiente para

simulação de sistemas complexos, especialmente logísticos, uma vez que é capaz

de representar, com fidelidade, o comportamento de, praticamente, qualquer

sistema, provendo ao gestor valiosas informações de como o sistema pode ser

modificado ou qual poderia ser seu desempenho (SWEETSER, 1999).

O modelo de simulação de eventos discretos, proposto nesse trabalho,

abrange as principais variáveis envolvidas no fluxo operacional do Programa de

Triagem Neonatal (PTN) e os principais relacionamentos entre elas.

31

Foi utilizado o programa computacional ProModel para realizar a simulação

de eventos discretos da situação atual do PTN. O módulo de analisador de dados

de entrada (Input Analyzer) do programa computacional Arena foi utilizado para

determinar as distribuições estatísticas apropriadas para cada evento.

4.4 Validação dos modelos de simulação utilizando os dados do Programa

de Triagem Neonatal do Estado de Minas Gerais (PTN-MG)

Foram utilizados os dados do Programa de Triagem Neonatal – PTN de

Minas Gerais dos anos de 2005 a 2014, para validar o modelo de simulação

contínua. Os dados do ano de 2015 foram utilizados para validar o modelo de

simulação de eventos discretos. Os resultados das simulações foram comparados

com os dados reais.

Um método que pode ser utilizado para validar um modelo de simulação é

fornecer os valores de entrada e analisar se esses valores processados

correspondem às respostas no mundo real (BRATLEY, 2011). Este mesmo autor

recomenda que somente os dados de entrada devam ser alterados e os demais

devem permanecer constantes.

Para comparação dos resultados simulados pela dinâmica de sistema com os

dados reais, foi utilizada a técnica da análise de correspondência entre os dados

estimados e os dados reais, ajustando-se uma linha reta dos dados simulados em

função dos dados reais, com interseção nula.

Desta forma, o coeficiente angular da linha reta fornece a proporção dos

dados estimados em relação aos dados reais, indicando a correlação entre as duas

variáveis que estão sendo comparadas.

Foram calculados os erros relativos dos principais elementos da dinâmica de

sistema, para realizar uma comparação de uma estimativa com o valor exato.

A simulação de evento discreto foi validada usando o tempo médio de

permanência das entidades no sistema, comparando os dados simulados com os

dados reais por meio do erro relativo.

32

5 RESULTADOS E DISCUSSÃO

Os resultados obtidos neste trabalho são apresentados e discutidos nesta

seção e para facilitar o entendimento e a interpretação dos resultados, as análises

seguiram as etapas definidas nos objetivos e descritas na metodologia.

5.1 Estudo do fluxo do processo de triagem neonatal e seleção das principais

variáveis

Verificou-se, durante o estudo, que o Processo de Triagem Neonatal do

Programa de Triagem Neonatal (PTN) constitui-se de dois fluxos: (i) fluxo

operacional e (ii) fluxo gerencial.

As variáveis necessárias para a análise do fluxo do processo de triagem

neonatal foram selecionadas com base nos procedimentos adotados pelo Programa

de Triagem Neonatal de Minas Gerais (PTN-MG). Esse fluxo é padronizado e pode

ser adotado nos demais estados.

Considerando que o PTN envolve todos os municípios do estado e a

complexidade do sistema, o número de variáveis é elevado e o volume de dados

que deve ser processado e analisado é muito grande.

Desta forma, as variáveis e as interações entre elas foram cuidadosamente

analisadas e codificadas no programa de simulação. Estas variáveis, num total de

26, que exercem maior influência no processo de triagem neonatal são

apresentadas e descritas no Quadro 3.

Um modelo conceitual foi desenvolvido (FIGURA 5) forneceu as informações

necessárias para o desenvolvimento do modelo computacional e para seleção das

variáveis.

Os dados foram coletados do banco de dados centralizado do PTN-MG, em

todas as etapas do processo, seguindo o fluxograma representado na Figura 5,

conforme a metodologia proposta no item 4.1.

33

Quadro 3 - Principais variáveis do Processo de Triagem Neonatal (PTN)

Variáveis Descrição da variável

1 Data de nascimento Data de nascimento do paciente.

2 Data de coleta Data de coleta no posto de coleta próximo à residência do paciente.

3 Data de postagem Data de postagem da amostra (caso o PTN utilize o correio).

4 Local da coleta Local onde é realizada a coleta (maternidade, unidade de saúde credenciada).

5 Data de recebimento Data em que o centro de referência recebe a amostra coletada.

6 Quantidade de recém-nascidos Quantidade de nascidos vivos.

7 Quantidade de triados Quantidade de pacientes que realizaram o teste do pezinho.

8 Cobertura do programa A cobertura do Programa é obtida pela razão entre o número de nascidos vivos e o número de recém-nascidos triados.

9 Quantidade de amostras inadequadas

Quantidade de amostras que não podem ser processadas.

10 Data de análise da amostra Data em que o laboratório realizou a análise da amostra.

11 Data de liberação do resultado Data da emissão do resultado.

12 Data de emissão da comunicação Data da emissão da comunicação pelo laboratório.

13 Data do primeiro contato realizado Data em que o setor de acompanhamento realiza o primeiro contato.

14 Número de reconvocações Número de pacientes que necessitam de um novo teste para confirmar o resultado.

15 Número de encaminhamentos médicos

Número de encaminhamentos médicos realizados.

16 Número de pacientes acompanhados pelo programa

Número de pacientes que estão em acompanhamento.

17 Número de óbitos Número de pacientes que foram a óbito.

18 Incidência do programa A incidência do Programa é calculada pela razão do número de pacientes diagnosticados e o número de pacientes triados.

19 Idade na primeira consulta Idade do paciente na primeira consulta.

20 Número de dias de análise Número de dias necessários para processar a amostra.

21 Número de dias de digitação Número de dias necessários para digitação.

22 Data de digitação da amostra Data em que a ficha de amostra foi cadastrada

23 Taxa de óbito Taxa de mortalidade da região estudada

24 Taxa de crescimento da população

Taxa de crescimento da população estudada

25 Número de dias entra a data de digitação e conferencia

Número de dias entra a data de digitação e a conferência dos dados cadastrados

26 Número de pacientes que saíram do programa

Número de paciente que saíram do programa por motivo de transferência

Fonte: Elaborado pelo autor, 2016.

34

5.2 Modelagem do fluxo do processo de triagem neonatal utilizando a

dinâmica de sistema

O modelo de dinâmica de sistema proposto nesse trabalho abrange as

principais variáveis (Quadro 4) envolvidas nas atividades do Programa de Triagem

Neonatal (PTN) e os principais relacionamentos entre elas, conforme mostrado na

Figura 7.

O modelo representa o processo de triagem neonatal, modelado de acordo

com o fluxo apresentado na Figura 5, conforme a metodologia proposta no item 4.1.

O diagrama causal apresentado na Figura 6, demostra as relações causa-efeito

entre os componentes do fluxo do Programa de Triagem Neonatal (PTN).

Figura 6 - Diagrama casual do Programa de Triagem Neonatal (PTN)

Fonte: Elaborador pelo autor, 2016.

A utilização destas técnicas possibilitou entender como o processo físico, os

fluxos de informação e de gestão política se interagem para criar a dinâmica das

variáveis de interesse.

A utilização da dinâmica de sistema foi essencial para estudar e analisar as

estruturas do sistema organizacional e social do Programa de Triagem Neonatal

(PTN), por meio da representação de suas relações causais entre seus elementos e

da evolução do sistema com o tempo.

35

As ferramentas e o ambiente de simulação do programa computacional

Vensim PLE 6.3 possibilitaram testar as diferentes políticas e soluções para a

operação do sistema, possibilitando a avaliação do impacto de decisões e

proporcionando um conjunto de ferramentas para compreensão e comparação dos

resultados simulados com os dados obtidos com o modelo do processo real.

Os valores de taxas de variação das variáveis utilizadas na simulação na

simulação encontram-se no apêndice A.

Para facilitar o entendimento, cada parte do modelo de simulação foi

apresentado separadamente em quatro etapas, conforme Figura 8, com explicações

de como as variáveis foram definidas e quantificadas.

36

Figura 7 - Diagrama de fluxo para o modelo de simulação do processo de triagem neonatal por meio da dinâmica de sistema contínuo


37

Figura 8 - As quatro etapas do modelo de simulação


5.2.1 Primeira Parte do Modelo - Triagem Neonatal

A primeira parte do modelo, apresentada no diagrama de fluxo da Figura 9,

constitui-se na identificação do fluxo de crescimento da população e na triagem das

amostras no Laboratório de Triagem Neonatal (LTN).

Essa parte possui os três elementos principais da dinâmica de sistemas, aqui

definidos em conformidade com o programa Vensim PLE 6.3:

Estoques: População e total de triados - Consiste em recursos acumulativos

do sistema.

Os fluxos: Nascimento e Óbito - São as funções que representam as

decisões ou políticas das empresas em relação à acumulação dos estoques

ou recursos.

As variáveis simples: Taxa de crescimento da população, Taxa de óbito,

Cobertura do programa, Triados e Tempo - São os elementos do modelo que

influenciam nos valores dos fluxos responsáveis pela variação dos estoques.

38

Figura 9 - Fluxo de crescimento da população e a triagem das amostras no Laboratório de Triagem Neonatal (LTN) - Serviço de referência


Observa-se, na Figura 9, que a taxa de crescimento da população, a taxa de

óbito e a cobertura do Programa de Triagem Neonatal (PTN) dependem do tempo,

para que sejam obtidos os seus percentuais que são aplicados no fluxo do

processo, para determinar a população e o número de triados no período,

representado pelo número de recém-nascidos que realizaram a coleta nos centros

de referência credenciados pelo PTN.

A cobertura do programa foi calculada pela expectativa dos gestores do PTN

em relação ao número de nascidos vivos da população estudada, que irão realizar o

teste de triagem neonatal.

A programação de todo o processo no programa computacional Vensim PLE

6.3 envolve uma extensa lista de codificação. Por esta razão, as relações

matemáticas e condicionais entre as variáveis foram sintetizadas em forma de

quadros.

As fórmulas utilizadas para realizar a simulação na primeira parte do modelo

usando o programa computacional Vensim PLE 6.3 encontram-se no Quadro 4.

39

Quadro 4 - Fórmulas utilizadas na primeira parte do modelo – triagem neonatal

Variáveis Fórmulas Codificadas no Vensim PLE 6.3 Unidade

Nascimento INTEGER(Populacao*Taxa de crescimento da população)

1/mês

População ∑ (Nascimento-Obito) mês

Óbito INTEGER(Populacao*Taxa de obito ) 1/mês

Taxa de óbito Definida pelo usuário, levando em consideração a população estudada.

1/mês

Taxa de crescimento da população

Definida pelo usuário, levando em consideração a população estudada.

1/mês

Cobertura do programa

Definida pelo usuário, essa variável é calculada pela expectativa do gestor do PTN em relação ao número de exames realizados, considerando a população estudada.

1/mês

Número de crianças triadas

INTEGER(Cobertura do programa*Nascimento) 1/mês

Total de crianças triadas

∑ (Triados) mês


5.2.2 Segunda Parte do Modelo – Laboratório de Triagem Neonatal

A segunda parte do modelo, apresentada no fluxograma da Figura 10,

identifica o fluxo de amostras recebidas e analisadas pelo laboratório de referência

do Programa de Triagem Neonatal (PTN).

Essa parte do modelo possui os seguintes elementos da dinâmica de

sistemas, aqui definidos em conformidade com o programa Vensim PLE 6.3:

Estoques: Processamento, Total de protocolos de especial, Total de

amostras inadequadas, Total de exames alterados.

Os fluxos: Recebimento e liberação.

As variáveis simples: Taxa de amostra coletada de protocolo de especial,

Taxa de amostra inadequada, Recoleta de protocolo de especial, Recoleta

de amostra inadequada, Taxa de resolução, Triados, Coleta de controle

médico, Taxa de encaminhamento, Confirmação de exame, Exame alterado,

40

Taxa de exame alterado, Exame dentro do valor de referência, taxa de

liberação.

Figura 10 - Laboratório de triagem neonatal


Observam-se, na Figura 10, as seguintes entradas:

Número de crianças triadas.

Solicitações de novas coletas (seguindo os protocolos de especiais).

Solicitações de novas amostras para confirmação de resultados alterados.

Solicitação de novas amostras devido à baixa qualidade da amostra.

Solicitações de amostras de controles médicos.

Essas entradas representam o fluxo de recebimento das amostras no

laboratório de triagem. Depois da análise, parte dos exames realizados terão

resultados fora dos valores de referência e, nesse caso, os recém-nascidos são

encaminhados para o atendimento médico ou irão realizar uma nova coleta de

sangue para confirmar o resultado, reiniciando, assim, o fluxo.

41

Os recém-nascidos que tiverem todos os exames com resultado dentro do

valor de referência sairão do sistema.

O Quadro 5 contém as fórmulas utilizadas na simulação da segunda parte do

modelo.

Quadro 5 - Fórmulas utilizadas na segunda parte do modelo

(Continua)


Total de protocolo da especiais.

∑ (Recoleta protocolo especiais) mês

Taxa de amostra coletada do protocolo da especiais.

Definida pelo usuário. Essa variável é definida pelo percentual médio de coletas realizadas que seguem um protocolo para recém-nascido prematuro ou com baixo peso.

1/mês

Taxa de amostra inadequada.

Definida pelo usuário. Essa variável é definida pelo percentual de amostras inadequadas recebidas no laboratório de referência.

1/mês

Recoleta do protocolo da especiais.

INTEGER(Taxa de amostra coletada protocolo especiais *Triados)

1/mês

Recoleta de amostra inadequada.

INTEGER(Taxa de amostras inadequadas*Analise)

1/mês

Total de amostras inadequadas.

∑ (Recoleta amostras inadequadas) 1/mês

Taxa de resolução.

Definido pelo usuário. Essa variável é definida pelo percentual de expectativa do gestor do PTN em relação ao número de solicitações que serão realizadas e efetivadas.

1/mês

Triados. INTEGER(Cobertura do programa*Nascimento)

1/mês

Recebimento.

INTEGER(Triados+Coleta controle medico+((Confirmacao exame+Recoleta amostra inadequada+Recoleta protocolo maternidade)*Taxa de resolucao))

1/mês

42

Quadro 5 - Fórmulas utilizadas na segunda parte do modelo (Conclusão)


Processamento. ∑ (Recebimento-Liberacao) mês

Exame dentro do valor de referência.

INTEGER( (Processamento-Coleta controle medico)*(1-Taxa exame alterado))

1/mês

Coleta para controle médico.

INTEGER(Acompanhamento medico*Taxa coleta controle medico)

1/mês

Taxa de encaminhamento.

Definida pelo usuário. Essa variável é definida pelo percentual de encaminhamento médico realizado depois da análise laboratorial.

1/mês

Confirmação do exame. INTEGER(Exame alterado*(1-Taxa encaminhamento))

1/mês

Exame alterado.

INTEGER ( ((Triados + ((Recoleta amostra inadequada + Recoleta protocolo especial)*Taxa de resolução)) - Coleta controle medico )*Taxa exame alterado )

1/mês

Taxa de exame alterado. Definida pelo usuário. Essa variável é definida pelo percentual de amostra alterada depois da a análise laboratorial.

1/mês

Total de exame alterado. ∑(Exame alterado) 1/mês

Liberação. Processamento*Taxa de liberação 1/mês

Taxa de liberação. Definida pelo usuário. Essa variável é definida pelo percentual de amostras recebidas pelas amostras liberadas pelo laboratório.

1/mês


5.2.3 Terceira Parte do Modelo – Comunicação com o Centro de Referência

A terceira parte do modelo é apresentada na Figura 11. Observa-se, nesta

figura, o fluxo de comunicação que é realizado com os centros de coleta.


sistema, definidos em conformidade com o programa Vensim PLE 6.3:

Estoques: Comunicação e Total de solicitação.

Os fluxos: Solicitações e Resolução.

43

As variáveis simples: Recoleta de amostra inadequada, recoleta no

protocolo de maternidade, coleta no controle médico, confirmação de exame,

resolução da recoleta.

Na Figura 11, podem-se observar as seguintes variáveis de entrada:

Número de solicitações de recoleta de amostras inadequadas.

Recoletas de amostras seguindo o protocolo de maternidade.

Coletas de controle médico.

Coletas de confirmação dos resultados.

Essas variáveis representam as solicitações ou comunicações que deverão

ser realizadas pelo setor de monitoramento junto ao centro de referência. A taxa de

resolução é uma expectativa do gestor do PTN, em relação ao número de

solicitações que serão realizadas e efetivadas.

O Quadro 6 contém as fórmulas utilizadas na simulação da terceira parte do

modelo.

Figura 11 - Comunicação com o centro de referência


44

Quadro 6 - Fórmulas utilizadas na terceira parte do modelo

Variável Fórmulas Codificadas no Vensim PLE 6.3 Unidade

Recoleta de amostras inadequadas.

INTEGER(Taxa de amostra inadequada*Analise) 1/mês

Recoleta do protocolo da maternidade.

INTEGER(Taxa de amostra coletada protocolo maternidade*Triados)

1/mês

Confirmação de exame.

INTEGER(Exame alterado*(1-Taxa encaminhamento))

1/mês

Solicitação. Confirmacao exame+Recoleta amostra inadequada+Recoleta protocolo especial

1/mês

Comunicação. ∑(Solicitacao-Resolucao) mês

Resolução. INTEGER( Comunicacao-Resolucao recoleta) 1/mês

Taxa de resolução geral.

Definida pelo usuário. Essa variável é definida pelo percentual de expectativa do gestor do PTN em relação ao número de solicitações que serão realizadas e efetivadas.

1/mês

Total solicitação. ∑ (Solicitacao) 1/mês

Resolução de recoleta.

INTEGER(Solicitacao*Taxa resolução geral) 1/mês


5.2.4 Quarta Parte do Modelo – Monitoramento do Tratamento

A quarta parte do modelo, apresentada na Figura 12, mostra o fluxo de

monitoramento dos recém-nascidos que foram encaminhados para

acompanhamento médico.


sistemas, definidos em conformidade com o programa Vensim PLE 6.3:

Os estoques: Acompanhamento médico, Total de encaminhamento.

Os fluxos: Encaminhamento, Saída do programa.

45

As variáveis simples: Taxa de saída do programa, Coleta no controle

médico, Taxa de coleta no controle médico, Taxa de encaminhamento,

Exame alterado.

Figura 12 - Monitoramento do tratamento


Na Figura 12, observa-se que o número de encaminhamentos está

relacionado ao número de exames alterados, que representam o número de recém-

nascidos que terão acompanhamento por um médico.

A taxa de saída do programa é definida pelos resultados falsos-positivos

(o exame indica a presença da doença mas clinicamente ela não existe), número de

óbitos e transferências dos pacientes para outros programas.

No Quadro 7 estão contidas as fórmulas utilizadas para a simulação da

quarta parte do modelo.

46

Quadro 7 - Fórmulas utilizadas na quarta parte do modelo

Nome Fórmulas Codificadas no Vensim PLE 6.3 Unidade

Taxa de coleta no controle médico.

Definida pelo usuário. 1/mês

Coleta para o controle médico.

INTEGER(Acopanhamento medico*Taxa coleta controle medico )

1/mês

Taxa de encaminhamento.

Definido pelo usuário. Essa variável é definida pela incidência de encaminhamentos realizados.

1/mês

Saída do programa. INTEGER(Acopanhamento medico*Taxa saida programa)

1/mês

Acompanhamento médico.

∑(Encaminhamento-Saida programa) mês

Encaminhamento. INTEGER(Exame alterado*Taxa encaminhamento)

1/mês

Taxa de saída do programa.

Definida pelo usuário. Essa variável é definida pelo número de altas, óbitos e transferência para outros programas.

1/mês

Total de encaminhamentos.

∑(Encaminhamento) mês

Exame alterado. INTEGER((Analise-Coleta controle medico)*Taxa exame alterado)

1/mês


5.3 Modelagem do processo de triagem neonatal utilizando simulação de

eventos discretos

O fluxograma da Figura 13 representa o fluxo principal das operações do

processo de triagem. O modelo representa o processo de triagem neonatal,

modelado de acordo com o diagrama de fluxo apresentado na Figura 5, conforme a

metodologia proposta no item 4.1.

Observa-se, na Figura 13, que o número de pacientes que inicia o fluxo está

relacionado com o número de primeiras amostras e de novas amostras coletadas

nos laboratórios credenciados pelo PTN. Em seguida, as amostras são enviadas

pelo correio ou pelo próprio município por meio de portadores.

47

Figura 13 - Fluxo principal do Processo de Triagem Neonatal


48

Quando as amostras são recebidas pelo PTN, os dados são registrados no

sistema, de acordo com os seguintes os fluxos:

A ficha dos dados cadastrais é enviada para o setor responsável pela

digitação e o material coletado é enviado para o laboratório.

O material coletado e a ficha com os dados cadastrais são enviados para o

setor de digitação realizar o cadastramento e, posteriormente, enviar o

material e a ficha para o laboratório.

Os materiais coletados são recebidos pelo laboratório e, em seguida, são

conferidos por um técnico que analisa a qualidade do material coletado. Caso estes

materiais não estejam em condições adequadas, é solicitada uma nova coleta.

As amostras são separadas e preparadas para a realização dos exames e,

nesta etapa, é realizada uma nova conferência. Caso a amostra não esteja

adequada para o processamento de um determinado exame, também é solicitada

uma nova amostra. Em seguida, o material coletado é processado manualmente ou

por meio de equipamentos.

Os resultados são analisados e, caso exista alguma alteração, o laboratório

pode optar em realizar o exame novamente, com a mesma amostra, para conferir o

resultado. Caso continue alterado, o paciente pode ser encaminhado para uma

consulta médica ou pode ser solicitada uma nova coleta de material para

confirmação do resultado.

Caso o paciente seja encaminhado para uma consulta médica, é realizado

um agendamento. Se o paciente não comparecer a esse agendamento, será

realizado um novo agendamento. O paciente deixará o sistema caso os resultados

estiverem dentro do valor de referência para todos os exames ou depois da

realização da primeira consulta médica.

Nos casos de solicitações de novas amostras, um auxiliar administrativo entra

em contato com o centro de referência para realizar a solicitação de uma nova

coleta.

O fluxo de comunicações com os centros de referência credenciados no PTN

encontra-se representado na Figura 14.

49

Figura 14 - Comunicação com o centro de referência


As solicitações de coleta de novas amostras iniciam o fluxo de comunicação

com o centro de referência credenciado. Nesse momento, um assistente

administrativo realiza o primeiro contato. Se o contato for efetivado, é realizada a

solicitação de coleta, caso contrário é realizado um novo contato.

Cada procedimento laboratorial possui tempos de liberação e de distribuição

diferentes. Dessa forma, foi realizada uma programação dos processos laboratoriais

separadamente, para cada exame, conforme mostrado na Figura 15.

O fluxo laboratorial é iniciado depois da separação das amostras seguindo o

fluxo principal. Todos os exames possuem os mesmos elementos e, caso seja

necessário, a simulação pode ser ampliada para novos exames.

Quando as novas amostras chegam ao laboratório, é realizado o picote e, em

seguida, é feita a realização dos exames. Na sequência, ocorre a liberação dos

resultados e as amostras alteradas podem ser repetidas, caso seja de interesse do

laboratório.

50

Figura 15 - Fluxo laboratorial


51

Os tempos de duração de todas as atividades utilizados na simulação do

processo de triagem por meio de eventos discretos encontram-se no Quadro 8.

Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos (Continua)

Atividade Duração da

Atividade (dia)

Distribuição de

probabilidade

Serviço de saúde P(5,33) Poisson

Coleta amostra 0

Forma de envio? 0

Envio por correio G(1,6; 3,36) Gamma

Envio por portador G(1,44; 3,38) Gamma

Recepção de amostra 4,902E-05

Envio de amostra 0

Amostra Adequada? 0

Comunicação de nova amostra 0

Análise de qualidade da Amostra 0,000115708

Amostra alterada? 0

Encaminhamento médico? 0

Agendamento 0

Primeira consulta 0

Saída do programa 0

Separação 1,38580247E-05

Preparação de exame E(0,00484) Exponencial

Realização de exame 0,00054506

Análise laboratorial L(0,000306; 0,000443) Logaritmo normal

Resultado dentro do valor de referência 0

Adequada para processamento? 0

Compareceu? 0

Digitação da amostra do cenário 1 Definido pelo usuário caso

necessário

52

Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos (Continua)


Atividade (dia) Distribuição de

probabilidade

Conferência de cadastro do cenário 1 Definida pelo usuário caso necessária.

Separa a amostra? 0

Conferência de cadastro do cenário 2 L(0,0017; 0,000372) Log. normal

Digitação da amostra do cenário 2 E(0,00123) Exponencial

Análise da mesma amostra E(0,000237) Exponencial

Confirma alteração? 0

Dosagem da Phe (fenilalanina) 0

Picote do exame 1 E(0,000383) Exponencial

Realização do exame 1 0,000345304

Alterado o exame 1? 0

Separa a amostra do exame 1 1,928466E-05

Dentro do valor de referência do exame 1 0

Liberação do exame 1 L(0,000253; 0,000319) Log.normal

Picote de repetição do exame 1 E(0,000383) Exponencial

Realização de repetição do exame 1 0,000345304

Confirma alteração de repetição do exame 1? L(0,000253; 0,000319) Log. normal

Liberação de repetição do exame 1 L(0,000253; 0,000319) Log. normal

Dosagem do TSH (hormônio estimulante da tireóide)

0

Picote exame 2 E(0,00038) Exponencial





Liberação do exame 2 E(0,000233) Exponencial



Confirma alteração de repetição do exame 2? 0

53

Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos. (Continua)


Atividade (dia)

Distribuição de

probabilidade

Liberação de repetição do exame 2 E(0,000233) Exponencial

Análise das Hemoglobinas 0



Alterado do exame 3? 0



Liberação do exame 3 L(0,00106; 0,00128) Log. normal




Liberação de repetição do exame 3 E(0,000233) Exponencial

Dosagem quantitativa da atividade da biotinidase

0

Picote do exame 4 G(0,000295; 1,3) Gamma






Picote de repetição do exame 4 G(0,000295; 1,3) Gamma



Liberação de repetição do exame 4 L(0,000345; 0,000466) Log. normal

Dosagem de 17 hidroxiprogesterona 0

Picote exame 5 E(0,000383) Exponencial







54

Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos. (Conclusão)


Atividade (dia)

Distribuição de

probabilidade



Liberação de repetição do exame 5 L(0,00023; 0,000265)

Dosagem da IRT (tripsina imunoreativa) 0









Confirma alteração da repetição do exame 6? 0

Liberação de repetição de exame 6 L(0,000228; 0,000275) Log. normal

Comunicação 0

Primeiro contato T(0; 0,2; 2) Triangular

Contato efetivado? 0

Novo contato T(0; 0,2; 2) Triangular

Solicitação realizada 0

Contato com a unidade 0

Resolução? 0

Nova amostra 0


As quantidades e o intervalo de tempo entre as entradas de todas as

entidades para a simulação do processo de triagem por meio de eventos discretos

encontram-se no Quadro 9.

55

Quadro 9 - Entradas das entidades para a simulação do processo de triagem por meio de eventos discretos

Entidade Início da simulação Intervalo

(dia) Quantidade

Recém-nascido Serviço de saúde 1 E(636) – Distribuição exponencial

Recém-nascido Serviço de saúde 1 27

Amostra digitação Digitação da amostra do cenário 2

0,25

Quantidade de amostras recebidas (Todas as entidades que passa pelo elemento "Recebimento")

Exame 1 Dosagem da Phe (fenilalanina)

1

Quantidade de exames que serão realizados pelo PTN (as entidades que passa pelo elemento "Separação")

Exame 2 Dosagem do TSH (hormônio estimulante da tireóide)

1

Exame 3 Análise das Hemoglobinas

1

Exame 4 Dosagem quantitativa da atividade da biotinidase

1

Exame 5 Dosagem de 17 hidroxiprogesterona

1

Exame 6 Dosagem da IRT (tripsina imunorreativa)

1

Pendência_PF Comunicação 0,5

Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Comunicação nova amostra")

Pendência_Teste suor

Comunicação 0,5

Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Confirma alteração repetição exame 6")

Recém-nascido _nova amostra

Serviço de saúde 0,5

Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Nova amostra")


56

5.4 Validação dos modelos de simulação utilizando os dados do Programa de

Triagem Neonatal do Estado de Minas Gerais (PTN-MG)

5.4.1 Validação dos Modelos de Simulação

A validação do modelo de simulação contínua e de simulação de eventos

discretos proposto foi realizada considerando-se os seus elementos principais,

comparando-se os resultados obtidos por meio das simulações com os dados reais,

por meio de gráficos de correspondência entre as variáveis comparadas.

5.4.2 Validação do Modelo de Simulação Contínua

O número de pacientes do Programa de Triagem Neonatal (PTN) é

influenciado pelo crescimento da população e pela cobertura do Programa.

O gráfico de correspondência entre os resultados obtidos por meio das

simulações e os dados reais do elemento “Triagem” da primeira parte do modelo

encontra-se na Figura 16. Os dados utilizados para a elaboração da Figura 16

encontram-se no Apêndice B.

Figura 16 - Elemento “triagem”


57

Observa-se, na Figura 16, que, em média, existe uma correspondência de

97,69% entre os dados simulados e os dados reais.

Esse resultado indica que o modelo de simulação pode ser usado para

predizer o número de pacientes triados no PTN com alta precisão, as quais estão

fortemente correlacionadas com o número de pacientes encaminhados para a

primeira coleta, somados com o número de solicitações realizadas e efetivadas.


simulações e os dados reais do elemento “Recebimento” encontra-se na Figura 17.

Os dados utilizados para a elaboração da Figura 17 encontram-se no Apêndice C.

Figura 17 - Elemento "Recebimento"


Observa-se, na Figura 17, que, em média, há uma correspondência de 98,18

% entre os dados simulados e os dados reais.


predizer o número de amostras recebidas no PTN com alta precisão.


simulações e os dados reais do elemento “Amostra alterada” encontra-se na

Figura 18. Os dados utilizados para a elaboração da Figura 18 encontram-se no

Apêndice D.

58

Figura 18 - Elemento "Amostra alterada"





predizer o número de amostras alteradas no PTN com precisão.

A quantidade total de amostras alteradas no período considerado foi igual a

54.014 e por meio da simulação foi obtido um total igual a 52.648. Portanto, o

resultado simulado superestimou os dados reais em 1.366 amostras, ou um erro

relativo de 2,53%. Considerando o grande número de amostras, esta diferença é

aceitável.

Uma comparação entre os resultados simulados e os dados reais do número

de amostras alteradas é apresentada na Figura 19.

Os dados utilizados na elaboração da Figura 19 encontram-se no Apêndice

E.

Considerando-se que a simulação é analisada em nível gerencial, observa-se

na Figura 19 que os resultados simulados e os dados reais seguem a mesma

tendência de variação.

59

Figura 19 - Comparação entre os resultados obtidos por meio de simulação e os dados reais, para o elemento "Amostra alterada"



simulações e os dados reais do elemento “Resolução de recoleta” encontra-se na

Figura 20. Os dados utilizados para a elaboração desta figura encontram-se no

Apêndice E.




predizer o número de recoletas de amostras no PTN com precisão satisfatória.

Embora o grau de correspondência entre os resultados simulados e os dados

reais seja maior do que nos casos apresentados anteriormente, o grau de dispersão

dos dados também foi maior neste caso, o que quer dizer maior variância dos

dados. Isto explica o valor menor do coeficiente de determinação, R2, igual a 87,47

%.

Por outro lado, na média, o modelo de simulação fornece uma ótima

estimativa do número de recoletas de amostras, pois a quantidade de recoleta foi

igual a 71.128 e o resultado obtido por meio de simulação foi igual a 68.401.

Portanto, houve uma subestimação da simulação em 2.727 recoletas ou 3,83 %.

Considerando o grande número de amostras, esta diferença pode ser considerada

aceitável.

60

Figura 20 - Elemento "Resolução de recoleta"


Um dos objetivos principais do PTN é realizar o diagnóstico e encaminhar o

paciente para o atendimento especializado, sendo que o elemento do modelo que

controla o número de encaminhamentos é muito importante nesse contexto.


simulações e os dados reais do elemento “Encaminhamento” encontra-se na

Figura 21 e os dados utilizados para a sua elaboração encontram-se no Apêndice F.



A quantidade total de encaminhamentos foi igual a 4.083 e a quantidade total

obtida por meio da simulação foi igual a 3.928, mostrando que a simulação

apresentou um erro relativo de 3,80%, portanto considerado satisfatório.

61

Figura 21 - Elemento "Encaminhamento"


Considerando-se que a simulação é analisada em nível gerencial, observa-

se, na Figura 22, que os resultados simulados e os dados reais seguem a mesma

tendência de variação. Portanto, os resultados simulados podem ser usados como

parâmetro de tomada de decisão pelos gerentes do sistema.

Figura 22 - Comparação entre os dados reais e os dados obtidos por meio de

simulação para o elemento "Encaminhamento"


62

5.4.3 Validação do modelo de simulação de eventos discretos

O Quadro 10 apresenta os dados reais, obtidos na base de dados do

Programa de Triagem Neonatal do Estado de Minas Gerais.

A comparação entre os resultados obtidos por meio de simulação de eventos

discretos e os dados reais dos principais elementos do processo de triagem

neonatal encontra-se no Quadro 11.

Observa-se, no Quadro 11, que a diferença máxima absoluta entre os

resultados simulados e os dados reais foi igual a 3,95 %, que pode ser considerada

aceitável, devido à natureza do problema que está sendo analisado. Essas

diferenças estão representadas graficamente na Figura 23 e na Figura 24.

Quadro 10 - Dados reais da base de dados do Programa de Triagem Neonatal

Dados reais

Entidade

Resultados Intervalo confiança 95%

Média Desvio

padrão Início Término

Exame 1 0,56 0,35 0,45 0,67

Exame 2 0,57 0,33 0,47 0,68

Exame 3 0,60 0,34 0,49 0,71

Exame 4 0,58 0,37 0,46 0,70

Exame 5 0,53 0,35 0,42 0,64

Exame 6 0,50 0,42 0,37 0,63

Recém-nascido 13,78 5,02 12,20 15,36


Quadro 11 - Dados simulados e comparação com os dados reais

Dados simulados

Entidade

Resultados Intervalo de confiança 95% Erro

relativo

(%) Média Desvio

padrão Início Término

Exame 1 0,54 0,15 0,47 0,61 -3,95

Exame 2 0,58 0,19 0,50 0,66 0,99

Exame 3 0,60 0,08 0,56 0,64 -0,18

Exame 4 0,56 0,17 0,49 0,63 -3,35

Exame 5 0,54 0,15 0,47 0,61 1,39

Exame 6 0,51 0,12 0,46 0,56 1,95

Recém-nascido 13,74 2,87 12,48 15,00 -0,29


63

Figura 23 - Comparação entre as variáveis de entrada no sistema


Figura 24 - Comparação entre as variáveis de realização dos exames


64

6 CONCLUSÕES

O estudo de modelos que representam o comportamento de um sistema real

é amplamente utilizado nas engenharias como alternativas economicamente viáveis

à implementação de um sistema real para testes. Entretanto, para o processo de

triagem neonatal, objeto de estudo deste trabalho, não foram encontrados estudos

precedentes similares.

Embora o processo de triagem neonatal seja um problema que envolve

muitas variáveis dinâmicas e aleatórias, foi possível desenvolver um modelo de

predição utilizando dinâmica de sistemas com o auxílio das ferramentas

computacionais Vensim PLE 6.3, ProModel.

Os modelos de simulação foram desenvolvidos utilizando duas abordagens, a

simulação de eventos contínuos e de eventos discretos. Ambas forneceram

resultados satisfatórios, com alto grau de correspondência em relação aos dados

reais.

O modelo de simulação de dinâmica de sistema permitiu analisar, por

exemplo, o grau de influência do crescimento da população sobre número de

exames laboratoriais que serão realizados no programa. O modelo, também,

possibilitou determinar a relação entre a cobertura do Programa de Triagem

Neonatal (PTN) e o número de casos detectados com alguma patologia.

O modelo de simulação com base em eventos discretos permitiu analisar, por

exemplo, o grau de influência sobre as filas no processo de cadastramento dos

pacientes, causado pela ausência (ou falta) de funcionários do setor de digitação.

Este modelo possibilitou, também, predizer a relação entre a parada de um

determinado equipamento laboratorial e o impacto no tempo final da liberação de

exames.

Os modelos desenvolvidos, com base em dinâmica de sistema de eventos

contínuos e de eventos discretos, permitiram verificar, por meio de simulação,

diversas situações diferentes em vários pontos do processo.

O modelo de simulação contínua, apresentado neste trabalho, permitiu aos

gestores uma visão gerencial do Programa de Triagem Neonatal (PTN) e como cada

elemento do processo é influenciado por outros elementos em um determinado

período de tempo. Por outro lado, o modelo de simulação de eventos discretos

permitiu aos gestores uma visão mais operacional dos processos.

65

Os modelos aqui apresentados também permitem aos gestores a definição

de cenários diferentes, de acordo com a situação atual ou de sua conveniência. As

decisões ou intervenções gerenciais podem ser testadas com a realização de

simulações e os resultados obtidos permitem analisar possíveis alterações no fluxo

real, operacional ou gerencial.

A análise dos relatórios obtidos utilizando os modelos de simulação

possibilitou o questionamento de muitos problemas nos processos administrativos

que, normalmente, são raramente percebidos ou difíceis de serem quantificados.

A experiência prática no desenvolvimento de modelos de simulação de um

sistema complexo, para o Programa de Triagem Neonatal (PTN), colocando à

disposição dos gestores uma ferramenta capaz de realizar predições e condução de

experimentos, sem a necessidade de interferir com a produtividade dos recursos

humanos do sistema, constitui a principal contribuição deste trabalho.

6.1 Recomendações para trabalhos futuros

Os modelos construídos por meio de simulação contínua e de eventos

discretos possuem vários pontos de interseção que podem ser compartilhados.

Portanto, é possível uma extensão do presente estudo com a criação de um novo

modelo híbrido, em que as entradas e as saídas sejam compartilhadas na dinâmica

de sistema e na simulação de eventos discretos. Esse novo modelo poderia

responder a questões operacionais e gerenciais.

Também é possível realizar uma extensão do modelo para considerar o custo

e estoque de material utilizado durante a realização dos exames.

66

REFERÊNCIAS

BANKS, J. Handbook of Simulation. Atlanta: John Wiley & Sons, 1998. BENSON, Deborah. Simulation modeling and optimization using ProModel. In:

Proceedings of the 29th conference on Winter simulation. IEEE Computer Society, 1997. p. 587-593. BORSHCHEV, Andrei; FILIPPOV, Alexei. From system dynamics and discrete event

to practical agent based modeling: reasons, techniques, tools. In: Proceedings of

the 22nd international conference of the system dynamics society. 2004.

BRAILSFORD, S. C.; HILTON, N. A. A comparison of discrete event simulation

and system dynamics for modelling health care systems. 2001.

BRATLEY, Paul; FOX, Bennet L.; SCHRAGE, Linus E. A guide to simulation. Springer Science & Business Media, 2011. BRITO, Thiago Barros; BOTTER, Rui Carlos. Uma comparação conceitual entre as metodologias de simulação discreta e a contínua como elemento impulsionador da

simulação híbrida. Pesquisa Operacional para o Desenvolvimento, v. 6, n. 2, p. 202-225, 2014.

COELHO, Jailton Junior de Sousa et al. Modelo de dinâmica de sistemas para

apoio a decisões no processo de inspeção de Software. 2013.

DUARTE, Robert N. Simulação computacional: analise de uma célula de manufatura em lotes do setor de auto-peças. Dissertação (Mestrado em engenharia de produção) – Universidade Federal de Itajuba de Minas Gerais, 2003. FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From data

mining to knowledge discovery in databases. AI magazine, v. 17, n. 3, p. 37, 1996. FERNANDES, Carlos Aparecido et al. Simulação da dinâmica operacional de uma

linha industrial de abate de suínos. Ciência e Tecnologia de Alimentos, v. 26, n. 1, p. 166-170, 2006.

FORRESTER, Jay Wright; FORRESTER, Jay W. Urban dynamics. Cambridge: MIt Press, 1969.

67

FREITAS FILHO, Paulo José. Introdução à modelagem e simulação de

sistemas: com aplicações em Arena. Visual Books, 2008.

HARRELL, Charles R. et al. Simulação otimizando os sistemas. São Paulo: Belge IMAM, 2002.

HARRELL, Charles; BOWDEN, Royce; GHOSH, Biman K. Simulation using

promodel. McGraw-Hill Higher Education, 2000.

HELAL, Magdy. A hybrid system dynamics-discrete event simulation approach

to simulating the manufacturing enterprise. ProQuest, 2008.

HERMSDORF, Victor Oliveira et al. Modelagem da atividade de elicitação de

requisitos utilizando a técnica de entrevista: uma abordagem utilizando dinâmica de sistemas. 2011.

KELTON, W. David; LAW, Averill M. Simulation modeling and analysis. Boston: McGraw Hill, 2000.

KELTON, W. David; SADOWSKI, Randall P.; SADOWSKI, Deborah A. Simulation

with ARENA. New York: WCB/McGraw-Hill, 1998.

LANE, David C. You just don't understand me: Modes of failure and success in the discourse between system dynamics and discrete event simulation. 2000.

LAW, A. M. Simulation Modeling & Analysis. 4. ed. Boston: Ed. McGraw-Hill, 2007.

LAW, A. M.; KELTON, W. David Simulation modeling and analysis. Boston: McGraw Hill, 2000.

MAK, Hing-Yin. System dynamics and discrete event simulation modelling. 1992. Tese de Doutorado. London School of Economics and Political Science (University of London).

NUPAD. Triagem. Disponível em: http://www.nupad.medicina.ufmg.br/ ?page_id=323. Acesso em: 29 mar. 2015.

http://www.nupad.medicina.ufmg.br/%20?page_id=323

http://www.nupad.medicina.ufmg.br/%20?page_id=323

68

OLIVEIRA, Adelize Generini de. Data warehouse conceitos e soluções. Florianópolis: Advanced, 1998.

PIDD, M. Modelagem Empresarial: Ferramentas para a tomada de decisão. Porto Alegre: Bookman, 1998.

PNTN. MINISTÉRIO DA SAÚDE. Manual de Normas Técnicas e Rotinas

Operacionais do Programa Nacional de Triagem Neonatal. Brasília: Ministério da Saúde, 2 ed,10p; 2004. PORTARIA 22. Disponível em: http://dtr2001.saude.gov.br/sas/dsra/ePTNn.htm. Acesso em: 29 ago. 2015. PORTARIA 822. Disponível em: http://bvsms.saude.gov.br/bvs/saudelegis/gm/2001/prt0822_06_06_2001.html. Acesso em: 29 ago. 2015.

PRADO, D. S. Usando o Arena em Simulação. 3. ed. Belo Horizonte: INDG Tecnologia e Serviços, 2008.

RANGEL, J. J. A.; JÚNIOR, E. C. Avaliação de um mecanismo de teste de um

sistema de controle com um modelo de simulação. In: SBPO - SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, 63,. 2011. Anais... Ubatuba-SP, 2011. p. 1-12,. ROBERTS, N.; ANDERSEN, D. F.; DEAL, R. M.; GARET, M. S.; SHAFFER, W. A.

Introduction to computer simulation: A system Dynamics modeling approach. Massachusetts: Addison-Wesley, 1983.

ROCK, Sascha. Hardware in the loop simulation of production systems

dynamics. Production Engineering - Research and Development, v. 5, n. 3, p. 329-337, 2011.

SARGENT, R. G. Verification and validation of simulation models. In: WINTER THE SIMULATION CONFERENCE, 1998, Proceedings... Washington: WSC, p. 20-8, 1998.

STERMAN, John D. Business dynamics: systems thinking and modeling for a complex world. Boston: Irwin/McGraw-Hill, 2000.

http://dtr2001.saude.gov.br/sas/dsra/epntn.htm

69

STRACK, Jair. GPSS: Modelagem e simulação de sistema. Rio de janeiro: LTC, 1984.

SWEETSER, Eve. Compositionality and blending: semantic composition in a cognitively realistic framework. Cognitive linguistics: Foundations, scope, and methodology, v. 129162, 1999. TAKO, Antuela A.; ROBINSON, Stewart. Comparing discrete-event simulation and

system dynamics: users' perceptions. Journal of the operational research society, v. 60, n. 3, p. 296-312, 2009.

TECNOLOGIA, PARAGON. Introdução à Simulação com ARENA. Material Didático. São Paulo, 2002.

VENTANA SYSTEMS, Vensim User’s Guide, Ver. 1.62. Ventana Systems, Inc., 149 Waverley Street, Belmont, MA 02178. Disponível em: < www.vensim.com> Acesso em: 29 ago. 2016.

ZHANG, D. Z.; ANOSIKE, A. I. Modelling and simulation of dynamically

integrated manufacturing systems. Advances in Intelligent and Soft Computing, v. 66, p. 865-876, 2010.

http://www.vensim.com/

70

APÊNDICE A – Taxas utilizadas na dinâmica de sistema

(Continua)

Ano

/Mês

Mês

Ano Time

Taxa de

amostra

inadequada

Taxa de

exame

alterado

Taxa de

encaminhamento

medico

Taxa de

controle

medico

Taxa de

resolução

Alterada

Protocolo

maternidade

Saída do

programa

Taxa de

crescimento

Taxa de

óbito

Cobertura do

programa

Taxa de

liberação

Taxa

resolução

2005

200501 1 1 0,0098016 0,0119953 0,1439689 0,0215169 0,0878661 0,0052275 0,2424242 0,0011543 0,0004496 0,9390255 0,9598600 0,5132353

200502 2 2 0,0104391 0,0118719 0,1163793 0,0224133 0,0844410 0,0045031 0,1746032 0,0011229 0,0004112 0,8816721 0,9264149 0,4482201

200503 3 3 0,0102913 0,0134516 0,1114458 0,0194076 0,1078915 0,0044569 0,1595745 0,0013295 0,0004604 0,9408453 0,8862283 0,5357591

200504 4 4 0,0092222 0,0161492 0,1214470 0,0211150 0,1093936 0,0055083 0,0625000 0,0012740 0,0004307 0,9519749 0,9253881 0,5104651

200505 5 5 0,0070024 0,0164937 0,1227621 0,0215557 0,1621824 0,0047667 0,0484848 0,0013226 0,0004771 0,9031206 0,9338986 0,5667539

200506 6 6 0,0054993 0,0142823 0,1135734 0,0214828 0,1488550 0,0051828 0,0396040 0,0012351 0,0004754 1,0343841 0,9195284 0,5370370

200507 7 7 0,0076093 0,0151743 0,1166181 0,0227393 0,1245722 0,0064590 0,0314961 0,0012061 0,0005238 0,9433239 0,9230667 0,5280765

200508 8 8 0,0085236 0,0181344 0,1151079 0,0253533 0,1545093 0,0062187 0,0267559 0,0011728 0,0004783 0,9910912 0,9326810 0,5712670

200509 9 9 0,0069366 0,0163598 0,1200000 0,0213768 0,1610108 0,0056714 0,0375723 0,0012097 0,0004397 0,9558267 0,8936393 0,5306859

200510 10 10 0,0098648 0,0212579 0,0849673 0,0242682 0,1412463 0,0066691 0,0253165 0,0011633 0,0004706 0,9342240 0,9082531 0,4994914

200511 11 11 0,0098282 0,0121183 0,1181102 0,0241412 0,1057828 0,0066794 0,0235294 0,0010936 0,0004163 0,9632587 0,9041031 0,5361930

200512 12 12 0,0123721 0,0124696 0,1328125 0,0223575 0,0763932 0,0062348 0,0199557 0,0010968 0,0004431 0,9464455 0,9225524 0,5323450

2006

200601 1 13 0,0095728 0,0132400 0,1798561 0,0235272 0,0867518 0,0070963 0,0246407 0,0011055 0,0004441 0,9438588 0,9292756 0,5555556

200602 2 14 0,0079895 0,0136137 0,0926641 0,0247043 0,1063988 0,0086202 0,0136187 0,0010675 0,0004061 0,8877615 0,9670959 0,5585331

200603 3 15 0,0082358 0,0088131 0,1135371 0,0225139 0,0837629 0,0057728 0,0092081 0,0012465 0,0004546 1,0418846 0,8716518 0,5302632

200604 4 16 0,0142647 0,0133169 0,0996441 0,0203308 0,0679513 0,0072035 0,0071556 0,0012245 0,0004254 0,8547772 0,8520449 0,5243902

200605 5 17 0,0103559 0,0105861 0,1231884 0,0210187 0,0894533 0,0060601 0,0084317 0,0012456 0,0004712 1,0386597 0,9329549 0,5546512

200606 6 18 0,0092555 0,0103286 0,1255411 0,0208808 0,0787558 0,0066622 0,0174051 0,0011450 0,0004695 0,9753845 0,9052985 0,5092348

200607 7 19 0,0185495 0,0105997 0,2105263 0,0232450 0,0452468 0,0082287 0,0089419 0,0011327 0,0005173 0,9447995 0,9538819 0,5070707

200608 8 20 0,0158054 0,0099006 0,1614350 0,0241076 0,0584192 0,0078583 0,0042373 0,0011191 0,0004724 0,9993578 0,9307849 0,5562842

200609 9 21 0,0159661 0,0109166 0,1850220 0,0255362 0,0563890 0,0068770 0,0079576 0,0011492 0,0004342 0,9015456 0,9853323 0,4884234

200610 10 22 0,0140985 0,0090375 0,1650000 0,0222775 0,0600975 0,0075915 0,0076433 0,0010935 0,0004648 1,0069480 0,9539991 0,5669481

200611 11 23 0,0178028 0,0083181 0,1707317 0,0255123 0,0381566 0,0091296 0,0061050 0,0010256 0,0004112 0,9558514 0,9824508 0,4976905

200612 12 24 0,0184123 0,0109272 0,2000000 0,0259520 0,0403101 0,0087964 0,0069767 0,0010552 0,0004376 0,8589638 0,9973775 0,4516129

71


(Continua)

Ano

/Mês

Mês

Ano Time

Taxa de

amostra

inadequada

Taxa de

exame

alterado

Taxa de

encaminhamento

medico

Taxa de

controle

medico

Taxa de

resolução

Alterada

Protocolo

maternidade

Saída do

programa

Taxa de

crescimento

Taxa de

óbito

Cobertura do

programa

Taxa de

liberação

Taxa

resolução

2007

200701 1 25 0,0148010 0,0173713 0,0790816 0,0220243 0,0534704 0,0081982 0,0045045 0,0011242 0,0004387 0,9829033 0,9629531 0,5458468

200702 2 26 0,0128341 0,0165311 0,0702875 0,0242421 0,0520694 0,0082920 0,0064655 0,0010851 0,0004012 0,8523625 0,8831203 0,4733420

200703 3 27 0,0159374 0,0258146 0,0640244 0,0236896 0,0929259 0,0070833 0,0051387 0,0012604 0,0004491 0,9891772 0,9719424 0,5576430

200704 4 28 0,0137850 0,0193711 0,0860465 0,0200018 0,0621469 0,0079737 0,0058252 0,0011757 0,0004202 0,9232229 0,9526984 0,4924012

200705 5 29 0,0137655 0,0230892 0,0831889 0,0252901 0,0880073 0,0085234 0,0055402 0,0011970 0,0004655 1,0273682 0,9077231 0,5464716

200706 6 30 0,0140589 0,0248015 0,0828625 0,0249883 0,0956154 0,0092013 0,0071556 0,0011125 0,0004638 0,9435227 0,9584773 0,5520000

200707 7 31 0,0156635 0,0254241 0,0786106 0,0258889 0,0712644 0,0098071 0,0094421 0,0010845 0,0005110 0,9674071 0,9594237 0,5475285

200708 8 32 0,0186950 0,0314040 0,0366569 0,0291937 0,1210654 0,0091633 0,0024793 0,0010331 0,0004666 1,0238563 0,9576369 0,6108821

200709 9 33 0,0236404 0,0451120 0,0372596 0,0277612 0,1262788 0,0113322 0,0070978 0,0010276 0,0004289 0,8749507 0,9212709 0,5697177

200710 10 34 0,0238966 0,0467956 0,0345178 0,0252744 0,1558733 0,0108319 0,0030053 0,0010082 0,0004591 1,0101605 0,9233218 0,6248132

200711 11 35 0,0291993 0,0476888 0,0328390 0,0257136 0,1071155 0,0105582 0,0056940 0,0009757 0,0004062 0,9794179 0,9277595 0,5401750

200712 12 36 0,0254160 0,0467860 0,0328867 0,0253590 0,0936261 0,0104285 0,0020534 0,0010234 0,0004323 0,8198801 0,9541828 0,4847926

2008

200801 1 37 0,0188945 0,0371479 0,0379747 0,0252212 0,1215175 0,0094900 0,0006443 0,0010622 0,0004358 1,0635523 0,9213440 0,5781119

200802 2 38 0,0140764 0,0316839 0,0391566 0,0225223 0,1051985 0,0093525 0,0061237 0,0010818 0,0003985 0,9299618 0,8481176 0,5177824

200803 3 39 0,0176309 0,0345403 0,0430809 0,0214637 0,0904826 0,0101006 0,0055897 0,0011654 0,0004461 0,9115117 0,9064346 0,4807018

200804 4 40 0,0268013 0,0406068 0,0272823 0,0221143 0,0956481 0,0079253 0,0014829 0,0011689 0,0004174 0,9572900 0,8626273 0,4830954

200805 5 41 0,0241756 0,0375833 0,0434783 0,0198601 0,1064949 0,0084636 0,0036680 0,0011694 0,0004624 0,9653197 0,8950853 0,4970370

200806 6 42 0,0256995 0,0356964 0,0370844 0,0230063 0,1251501 0,0078057 0,0044663 0,0010972 0,0004607 0,9528007 0,9280595 0,5801012

200807 7 43 0,0141272 0,0256696 0,0642361 0,0220152 0,0959693 0,0094033 0,0017559 0,0011052 0,0005077 0,9865536 0,9119836 0,5549242

200808 8 44 0,0163808 0,0245712 0,0566038 0,0232319 0,0790791 0,0085510 0,0039046 0,0010494 0,0004636 0,8985646 0,9642508 0,4517717

200809 9 45 0,0213864 0,0255136 0,0459559 0,0227465 0,0640761 0,0070350 0,0017094 0,0010826 0,0004261 0,9548606 0,9591971 0,5004625

200810 10 46 0,0259161 0,0214089 0,0715789 0,0231667 0,0529372 0,0086537 0,0012526 0,0010556 0,0004561 1,0149382 0,9269843 0,5285016

200811 11 47 0,0289106 0,0232129 0,0727273 0,0245845 0,0534667 0,0085993 0,0016414 0,0009892 0,0004035 0,9247301 0,9793722 0,4979390

200812 12 48 0,0342633 0,0197027 0,0671835 0,0222992 0,0316826 0,0085022 0,0016267 0,0010675 0,0004295 0,8930577 0,9360554 0,5103220

72


(Continua)

Ano

/Mês

Mês

Ano Time

Taxa de

amostra

inadequada

Taxa de

exame

alterado

Taxa de

encaminhamento

medico

Taxa de

controle

medico

Taxa de

resolução

Alterada

Protocolo

maternidade

Saída do

programa

Taxa de

crescimento

Taxa de

óbito

Cobertura do

programa

Taxa de

liberação

Taxa

resolução

2009

200901 1 49 0,0390919 0,0228831 0,0753968 0,0222928 0,0257859 0,0086266 0,0024174 0,0010871 0,0004318 0,9726342 0,9962770 0,5697290

200902 2 50 0,0227780 0,0266302 0,0733753 0,0243412 0,0368374 0,0106074 0,0047828 0,0010481 0,0003949 0,8153634 0,9541648 0,4845041

200903 3 51 0,0263034 0,0252025 0,0421217 0,0227648 0,0701488 0,0084926 0,0011830 0,0011902 0,0004420 1,0317048 0,9493591 0,6119082

200904 4 52 0,0247592 0,0221171 0,0635838 0,0214353 0,0494543 0,0086508 0,0015613 0,0011415 0,0004136 0,9910355 0,9342879 0,5570962

200905 5 53 0,0338450 0,0263133 0,0615942 0,0227381 0,0497297 0,0123939 0,0046207 0,0010678 0,0004582 0,9423149 0,9690628 0,5905350

200906 6 54 0,0385326 0,0193162 0,0645995 0,0251061 0,0286104 0,0112803 0,0056904 0,0010165 0,0004565 0,9436288 0,9159471 0,5784685

200907 7 55 0,0369976 0,0245879 0,0621469 0,0243564 0,0425585 0,0119930 0,0025964 0,0010104 0,0005030 1,0149195 0,9413780 0,6494709

200908 8 56 0,0239576 0,0219745 0,0536585 0,0252975 0,0560258 0,0128095 0,0025726 0,0009776 0,0004593 0,9085061 0,9293065 0,6308973

200909 9 57 0,0200785 0,0223150 0,0668151 0,0230108 0,0703229 0,0111326 0,0021739 0,0010761 0,0004222 0,8993460 0,9077581 0,5874060

200910 10 58 0,0178354 0,0203625 0,0906921 0,0220149 0,0442561 0,0088448 0,0010764 0,0010001 0,0004519 0,9834806 0,9714244 0,4822134

200911 11 59 0,0174477 0,0178201 0,0686567 0,0246290 0,0450676 0,0096282 0,0024814 0,0009481 0,0003998 0,9474571 0,9279217 0,5429815

200912 12 60 0,0222367 0,0187974 0,0662461 0,0235413 0,0467695 0,0107922 0,0021097 0,0010063 0,0004255 0,8030356 0,9428961 0,5326087

2010

201001 1 61 0,0240668 0,0170284 0,0613333 0,0211152 0,0396558 0,0068114 0,0010449 0,0010949 0,0004414 0,9925436 0,9108165 0,5355286

201002 2 62 0,0202164 0,0192329 0,0767045 0,0218555 0,0455868 0,0074855 0,0024205 0,0010789 0,0004037 0,8323322 0,8693039 0,4436090

201003 3 63 0,0198931 0,0176965 0,0585480 0,0208877 0,0513315 0,0073770 0,0027332 0,0012388 0,0004519 0,9600445 0,9599237 0,5691906

201004 4 64 0,0183674 0,0180554 0,0790123 0,0206857 0,0513852 0,0067318 0,0013587 0,0011338 0,0004228 0,9816832 0,8924257 0,5034619

201005 5 65 0,0269199 0,0201537 0,0599520 0,0227635 0,0516717 0,0084095 0,0040268 0,0011328 0,0004684 0,8984234 0,9560195 0,5376261

201006 6 66 0,0217626 0,0177343 0,1246537 0,0224995 0,0438379 0,0083022 0,0026587 0,0010741 0,0004666 0,9344387 0,9672332 0,5241187

201007 7 67 0,0226864 0,0194658 0,0802920 0,0219286 0,0496848 0,0080515 0,0026359 0,0010623 0,0005142 0,9829002 0,9851757 0,5428571

201008 8 68 0,0273885 0,0213437 0,0776942 0,0283513 0,0502216 0,0105381 0,0022883 0,0010304 0,0004696 0,8892740 0,9858243 0,5735683

201009 9 69 0,0258257 0,0211956 0,0631068 0,0245910 0,0521429 0,0103406 0,0016166 0,0010566 0,0004316 0,9058244 0,9598724 0,5631891

201010 10 70 0,0267281 0,0211470 0,0532688 0,0243216 0,0360551 0,0099846 0,0035256 0,0010350 0,0004620 0,9283672 0,9666667 0,5816594

201011 11 71 0,0251256 0,0177731 0,1041667 0,0236445 0,0337123 0,0117429 0,0009518 0,0009939 0,0004087 0,9358217 0,9413383 0,5895450

201012 12 72 0,0316626 0,0193372 0,0878187 0,0265133 0,0264737 0,0138592 0,0025094 0,0010517 0,0004350 0,8521663 0,9786360 0,5757307

73


(Continua)

Ano

/Mês

Mês

Ano Time

Taxa de

amostra

inadequada

Taxa de

exame

alterado

Taxa de

encaminhamento

medico

Taxa de

controle

medico

Taxa de

resolução

Alterada

Protocolo

maternidade

Saída do

programa

Taxa de

crescimento

Taxa de

óbito

Cobertura do

programa

Taxa de

liberação

Taxa

resolução

2011

201101 1 73 0,0270749 0,0174752 0,0693333 0,0237197 0,0248406 0,0137005 0,0024883 0,0011152 0,0004384 0,9425026 0,8648586 0,6349338

201102 2 74 0,0262340 0,0216494 0,0752941 0,0268962 0,0505240 0,0134481 0,0027667 0,0010935 0,0004010 0,8767034 0,8735673 0,6541555

201103 3 75 0,0220472 0,0139983 0,0718750 0,0229221 0,0334101 0,0120297 0,0036608 0,0012644 0,0004489 0,8889513 0,8496500 0,6081560

201104 4 76 0,0215367 0,0144362 0,0879479 0,0240760 0,0318391 0,0126963 0,0009080 0,0011425 0,0004200 0,9102081 0,7938023 0,5927022

201105 5 77 0,0235944 0,0133602 0,0480769 0,0217959 0,0356155 0,0128035 0,0015002 0,0012042 0,0004653 0,9451951 0,7637134 0,6443692

201106 6 78 0,0260743 0,0195785 0,0858469 0,0215772 0,0444062 0,0121741 0,0014854 0,0011166 0,0004635 0,9586000 0,8983828 0,6460102

201107 7 79 0,0207958 0,0204959 0,0731707 0,0237453 0,0510204 0,0139472 0,0014728 0,0010938 0,0005108 0,8894810 0,9768046 0,6242830

201108 8 80 0,0221804 0,0180337 0,0802139 0,0298471 0,0454359 0,0120064 0,0029095 0,0010588 0,0004664 0,9559077 0,9545783 0,6621094

201109 9 81 0,0208219 0,0220274 0,0696517 0,0275068 0,0560000 0,0135890 0,0011551 0,0010238 0,0004287 0,8665280 0,9556164 0,5974441

201110 10 82 0,0208377 0,0194134 0,0679348 0,0254273 0,0510018 0,0135050 0,0031573 0,0009975 0,0004589 0,9270288 0,9186010 0,6608607

201111 11 83 0,0249946 0,0192723 0,0896359 0,0292054 0,0347506 0,0142518 0,0025590 0,0009983 0,0004060 0,9059660 0,9321421 0,6153846

201112 12 84 0,0332958 0,0172645 0,1055901 0,0273444 0,0201853 0,0144764 0,0016897 0,0010266 0,0004321 0,8851091 0,9563562 0,6049914

2012

201201 1 85 0,0243463 0,0205969 0,1043689 0,0263960 0,0369665 0,0129981 0,0019520 0,0010679 0,0004357 0,9048720 0,9713043 0,6378676

201202 2 86 0,0247705 0,0188215 0,0790191 0,0270783 0,0354086 0,0131802 0,0019417 0,0010860 0,0003984 0,8706985 0,9382020 0,5862709

201203 3 87 0,0318928 0,0234883 0,0715631 0,0264077 0,0494834 0,0134029 0,0032994 0,0012263 0,0004460 0,8946979 0,9990269 0,6319678

201204 4 88 0,0263374 0,0212339 0,0643777 0,0240135 0,0478723 0,0138977 0,0019152 0,0011480 0,0004173 0,9269983 0,9504238 0,6343402

201205 5 89 0,0304720 0,0214598 0,0602911 0,0257875 0,0490333 0,0141429 0,0035326 0,0011652 0,0004623 0,9321807 0,9525743 0,6468966

201206 6 90 0,0386443 0,0196405 0,0598504 0,0263016 0,0277919 0,0147426 0,0032215 0,0010752 0,0004606 0,9178416 0,9966694 0,6396957

201207 7 91 0,0305881 0,0225101 0,0656455 0,0297508 0,0368865 0,0160575 0,0018538 0,0010889 0,0005075 0,8971785 0,9553246 0,6464174

201208 8 92 0,0266336 0,0232447 0,0410678 0,0304043 0,0498339 0,0175171 0,0057728 0,0010612 0,0004635 0,9532036 0,9446327 0,6967538

201209 9 93 0,0275270 0,0261506 0,0400000 0,0302797 0,0526316 0,0172869 0,0033943 0,0010548 0,0004260 0,8335005 0,9832085 0,6427970

201210 10 94 0,0224571 0,0209404 0,0630841 0,0288664 0,0464102 0,0162924 0,0036288 0,0010664 0,0004560 0,9254274 0,9615930 0,6322908

201211 11 95 0,0215537 0,0200031 0,0775194 0,0260506 0,0385098 0,0165917 0,0036036 0,0010149 0,0004034 0,9239778 0,9744663 0,6109023

201212 12 96 0,0223430 0,0205314 0,0441176 0,0294082 0,0319809 0,0193841 0,0015389 0,0010415 0,0004294 0,7644470 0,9989734 0,5975359

74


(Conclusão)

Ano

/Mês

Mês

Ano Time

Taxa de

amostra

inadequada

Taxa de

exame

alterado

Taxa de

encaminhamento

medico

Taxa de

controle

medico

Taxa de

resolução

Alterada

Protocolo

maternidade

Saída do

programa

Taxa de

crescimento

Taxa de

óbito

Cobertura do

programa

Taxa de

liberação

Taxa

resolução

2013

201301 1 97 0,0175392 0,0182847 0,0671463 0,0276682 0,0515960 0,0148645 0,0033054 0,0011020 0,0004357 1,0046159 0,9439183 0,6418473

201302 2 98 0,0225453 0,0188151 0,0495627 0,0286890 0,0295052 0,0168404 0,0035443 0,0010484 0,0003984 0,8407071 0,9567745 0,5434995

201303 3 99 0,0181251 0,0171661 0,0558659 0,0279070 0,0343387 0,0156317 0,0037500 0,0011687 0,0004460 0,8619635 0,9925198 0,5951904

201304 4 100 0,0166220 0,0179625 0,0422886 0,0277927 0,0419447 0,0150581 0,0047264 0,0011687 0,0004173 0,9322531 0,9598749 0,5811881

201305 5 101 0,0167227 0,0215647 0,0478170 0,0249720 0,0531178 0,0149742 0,0037019 0,0011950 0,0004623 0,9086733 0,9053127 0,5700090

201306 6 102 0,0199732 0,0297610 0,0500835 0,0282208 0,0621423 0,0175386 0,0060739 0,0010859 0,0004606 0,8947173 0,8722611 0,4392906

201307 7 103 0,0222743 0,0296225 0,0403101 0,0273262 0,0773920 0,0132268 0,0040660 0,0010850 0,0005075 0,9598960 0,9118674 0,4854772

201308 8 104 0,0250926 0,0276635 0,0762082 0,0314171 0,0685296 0,0155286 0,0082567 0,0010580 0,0004635 0,8830866 0,9979947 0,5731511

201309 9 105 0,0176677 0,0267106 0,0958904 0,0279651 0,0720514 0,0146359 0,0069316 0,0010298 0,0004260 0,8970020 0,9462652 0,5583501

201310 10 106 0,0161735 0,0327630 0,1523810 0,0302148 0,0931532 0,0140413 0,0091559 0,0010367 0,0004560 0,8977897 0,9655728 0,5406137

201311 11 107 0,0154506 0,0274142 0,1076321 0,0280579 0,0921774 0,0142704 0,0092166 0,0009737 0,0004034 0,9254125 0,9967811 0,5539859

201312 12 108 0,0204821 0,0277929 0,0956522 0,0300888 0,0531189 0,0157090 0,0084270 0,0010431 0,0004294 0,7679977 0,9925080 0,4609929

2014

201401 1 109 0,0209071 0,0264966 0,0724638 0,0261126 0,0973769 0,0139523 0,0164835 0,0011020 0,0004357 1,0346419 0,9596365 0,5995475

201402 2 110 0,0226294 0,0242315 0,0557851 0,0254331 0,0637892 0,0151197 0,0139803 0,0010484 0,0003984 0,9210741 0,9346150 0,5029889

201403 3 111 0,0159513 0,0202146 0,1090047 0,0205499 0,0437988 0,0170531 0,0202020 0,0011687 0,0004460 0,8665316 0,9407933 0,2778250

201404 4 112 0,0113340 0,0211030 0,0921348 0,0084886 0,0426288 0,0275051 0,0233014 0,0011687 0,0004173 0,8812705 0,9426187 0,2927677

201405 5 113 0,0111380 0,0213694 0,0969697 0,0079865 0,0506250 0,0247798 0,0208615 0,0011950 0,0004623 0,9457603 0,9797962 0,3286290

201406 6 114 0,0186286 0,0231371 0,1070664 0,0081252 0,0456093 0,0258125 0,0257978 0,0010859 0,0004606 0,9039469 0,9579865 0,3267744

201407 7 115 0,0179394 0,0261782 0,1133672 0,0089476 0,0544496 0,0283930 0,0336357 0,0010850 0,0005075 1,0112328 0,9598689 0,3215452

201408 8 116 0,0191265 0,0257748 0,1428571 0,0099212 0,0444573 0,0387133 0,0333395 0,0010580 0,0004635 0,8900367 0,9964202 0,3174692

201409 9 117 0,0158016 0,0253025 0,1146245 0,0091509 0,0482556 0,0312531 0,0606952 0,0010298 0,0004260 0,9405781 0,9752975 0,3109796

201410 10 118 0,0174748 0,0280581 0,0964912 0,0084667 0,0603675 0,0261875 0,1239985 0,0010367 0,0004560 0,9540928 0,9638198 0,4506531

201411 11 119 0,0197761 0,0282436 0,1084813 0,0089689 0,0464524 0,0289677 0,1189832 0,0009737 0,0004034 0,8939637 0,9988301 0,3676798

201412 12 120 0,0173003 0,0265037 0,0948767 0,0078455 0,0471480 0,0334943 0,1008388 0,0010431 0,0004294 0,9242914 0,9466405 0,3558528

75

APÊNDICE B – Comparação dos dados simulados do elemento “Triagem” -

primeira parte do modelo

(Continua) Ano /Mês Mês Ano Time Dados reais Dados Simulação

2005

200501 1 1 21.425 20.851

200502 2 2 19.542 19.058

200503 3 3 24.681 24.097

200504 4 4 23.964 23.383

200505 5 5 23.706 23.050

200506 6 6 25.276 24.675

200507 7 7 22.604 21.990

200508 8 8 22.995 22.481

200509 9 9 22.922 22.379

200510 10 10 21.592 21.050

200511 11 11 20.960 20.419

200512 12 12 20.530 20.134

2006

200601 1 13 20.997 20.252

200602 2 14 19.025 18.406

200603 3 15 25.984 25.240

200604 4 16 21.101 20.358

200605 5 17 26.072 25.183

200606 6 18 22.365 21.755

200607 7 19 21.510 20.862

200608 8 20 22.524 21.815

200609 9 21 20.794 20.222

200610 10 22 22.130 21.507

200611 11 23 19.716 19.160

200612 12 24 18.303 17.726

2007

200701 1 25 22.566 21.622

200702 2 26 18.934 18.110

200703 3 27 25.412 24.431

200704 4 28 22.198 21.286

200705 5 29 24.990 24.136

200706 6 30 21.410 20.615

200707 7 31 21.515 20.618

200708 8 32 21.717 20.800

200709 9 33 18.443 17.690

200710 10 34 21.049 20.050

200711 11 35 19.795 18.824

200712 12 36 17.548 16.537

2008

200801 1 37 23.393 22.279

200802 2 38 20.957 19.852

200803 3 39 22.177 20.976

76



(Continua)

Ano /Mês Mês Ano Time Dados reais Dados Simulação

200804 4 40 23.469 22.112

200805 5 41 23.867 22.323

200806 6 42 21.907 20.689

200807 7 43 22.439 21.592

200808 8 44 19.413 18.684

200809 9 45 21.322 20.494

200810 10 46 22.187 21.253

200811 11 47 18.955 18.158

200812 12 48 19.642 18.934

2009

200901 1 49 22.025 21.014

200902 2 50 17.912 16.996

200903 3 51 25.434 24.437

200904 4 52 23.466 22.530

200905 5 53 20.978 20.054

200906 6 54 20.035 19.129

200907 7 55 21.596 20.461

200908 8 56 18.658 17.732

200909 9 57 20.121 19.331

200910 10 58 20.577 19.660

200911 11 59 18.799 17.963

200912 12 60 16.864 16.169

2010

201001 1 61 22.022 21.758

201002 2 62 18.302 17.990

201003 3 63 24.129 23.842

201004 4 64 22.431 22.332

201005 5 65 20.691 20.433

201006 6 66 20.356 20.164

201007 7 67 21.114 20.991

201008 8 68 18.694 18.431

201009 9 69 19.438 19.261

201010 10 70 19.530 19.350

201011 11 71 18.905 18.740

201012 12 72 18.255 18.069

2011

201101 1 73 21.459 21.204

201102 2 74 19.631 19.354

201103 3 75 22.860 22.705

201104 4 76 21.266 21.025

201105 5 77 23.353 23.028

201106 6 78 22.014 21.672

77



(Continua)


201107 7 79 20.004 19.712

201108 8 80 20.739 20.517

201109 9 81 18.250 17.996

201110 10 82 18.956 18.768

201111 11 83 18.524 18.366

201112 12 84 18.651 18.464

2012

201201 1 85 20.003 19.646

201202 2 86 19.499 19.237

201203 3 87 22.607 22.337

201204 4 88 21.946 21.682

201205 5 89 22.414 22.145

201206 6 90 20.417 20.136

201207 7 91 20.302 19.945

201208 8 92 20.951 20.663

201209 9 93 18.164 17.970

201210 10 94 20.439 20.185

201211 11 95 19.347 19.191

201212 12 96 16.560 16.304

2013

201301 1 97 22.806 22.685

201302 2 98 18.230 18.072

201303 3 99 20.855 20.668

201304 4 100 22.380 22.369

201305 5 101 22.305 22.313

201306 6 102 20.127 19.978

201307 7 103 21.774 21.430

201308 8 104 19.448 19.235

201309 9 105 19.131 19.029

201310 10 106 19.229 19.185

201311 11 107 18.640 18.584

201312 12 108 16.551 16.531

2014

201401 1 109 23.437 23.544

201402 2 110 19.974 19.953

201403 3 111 20.876 20.938

201404 4 112 21.087 21.309

201405 5 113 23.164 23.402

201406 6 114 20.184 20.340

201407 7 115 22.576 22.750

201408 8 116 19.554 19.536

201409 9 117 19.998 20.107

78



(Conclusão)


201410 10 118 20.315 20.546

201411 11 119 17.951 18.091

201412 12 120 19.884 20.049

79

APÊNDICE C – Comparação dos dados simulados do elemento “Recebimento”

- Segunda parte do modelo

(Continua)

Ano /Mês Mês Ano Time Dados reais Dados simulados

2005

200501 1 1 21.425 20.897

200502 2 2 19.542 19.098

200503 3 3 24.681 24.167

200504 4 4 23.964 23.457

200505 5 5 23.706 23.149

200506 6 6 25.276 24.763

200507 7 7 22.604 22.069

200508 8 8 22.995 22.592

200509 9 9 22.922 22.481

200510 10 10 21.592 21.163

200511 11 11 20.960 20.485

200512 12 12 20.530 20.186

2006

200601 1 13 20.997 20.308

200602 2 14 19.025 18.472

200603 3 15 25.984 25.294

200604 4 16 21.101 20.413

200605 5 17 26.072 25.250

200606 6 18 22.365 21.807

200607 7 19 21.510 20.907

200608 8 20 22.524 21.868

200609 9 21 20.794 20.273

200610 10 22 22.130 21.558

200611 11 23 19.716 19.201

200612 12 24 18.303 17.768

2007

200701 1 25 22.566 21.682

200702 2 26 18.934 18.162

200703 3 27 25.412 24.556

200704 4 28 22.198 21.354

200705 5 29 24.990 24.249

200706 6 30 21.410 20.726

200707 7 31 21.515 20.712

200708 8 32 21.717 20.973

200709 9 33 18.443 17.891

200710 10 34 21.049 20.325

200711 11 35 19.795 19.023

200712 12 36 17.548 16.688

2008

200801 1 37 23.393 22.478

200802 2 38 20.957 19.988

200803 3 39 22.177 21.114

200804 4 40 23.469 22.293

200805 5 41 23.867 22.509

80



(Continua)


200806 6 42 21.907 20.891

200807 7 43 22.439 21.716

200808 8 44 19.413 18.784

200809 9 45 21.322 20.591

200810 10 46 22.187 21.344

200811 11 47 18.955 18.247

200812 12 48 19.642 19.000

2009

200901 1 49 22.025 21.081

200902 2 50 17.912 17.066

200903 3 51 25.434 24.569

200904 4 52 23.466 22.621

200905 5 53 20.978 20.157

200906 6 54 20.035 19.204

200907 7 55 21.596 20.560

200908 8 56 18.658 17.828

200909 9 57 20.121 19.437

200910 10 58 20.577 19.734

200911 11 59 18.799 18.038

200912 12 60 16.864 16.245

2010

201001 1 61 22.022 21.833

201002 2 62 18.302 18.063

201003 3 63 24.129 23.930

201004 4 64 22.431 22.414

201005 5 65 20.691 20.530

201006 6 66 20.356 20.244

201007 7 67 21.114 21.080

201008 8 68 18.694 18.536

201009 9 69 19.438 19.363

201010 10 70 19.530 19.435

201011 11 71 18.905 18.818

201012 12 72 18.255 18.150

2011

201101 1 73 21.459 21.280

201102 2 74 19.631 19.465

201103 3 75 22.860 22.786

201104 4 76 21.266 21.104

201105 5 77 23.353 23.112

201106 6 78 22.014 21.769

201107 7 79 20.004 19.814

201108 8 80 20.739 20.627

201109 9 81 18.250 18.110

201110 10 82 18.956 18.873

81



(Conclusão)


201111 11 83 18.524 18.465

201112 12 84 18.651 18.547

2012

201201 1 85 20.003 19.745

201202 2 86 19.499 19.335

201203 3 87 22.607 22.471

201204 4 88 21.946 21.800

201205 5 89 22.414 22.275

201206 6 90 20.417 20.238

201207 7 91 20.302 20.065

201208 8 92 20.951 20.804

201209 9 93 18.164 18.109

201210 10 94 20.439 20.309

201211 11 95 19.347 19.296

201212 12 96 16.560 16.407

2013

201301 1 97 22.806 22.810

201302 2 98 18.230 18.174

201303 3 99 20.855 20.773

201304 4 100 22.380 22.484

201305 5 101 22.305 22.437

201306 6 102 20.127 20.130

201307 7 103 21.774 21.604

201308 8 104 19.448 19.402

201309 9 105 19.131 19.178

201310 10 106 19.229 19.367

201311 11 107 18.640 18.751

201312 12 108 16.551 16.666

2014

201401 1 109 23.437 23.751

201402 2 110 19.974 20.098

201403 3 111 20.876 21.040

201404 4 112 21.087 21.384

201405 5 113 23.164 23.488

201406 6 114 20.184 20.421

201407 7 115 22.576 22.859

201408 8 116 19.554 19.631

201409 9 117 19.998 20.198

201410 10 118 20.315 20.652

201411 11 119 17.951 18.173

201412 12 120 19.884 20.135

82

APÊNDICE D – Comparação dos dados simulados do elemento “Amostra

alterada” -Segunda parte do modelo

(Continua)


2005

200501 1 1 - -

200502 2 2 232 226

200503 3 3 332 324

200504 4 4 387 378

200505 5 5 391 380

200506 6 6 361 352

200507 7 7 343 334

200508 8 8 417 408

200509 9 9 375 366

200510 10 10 459 448

200511 11 11 254 247

200512 12 12 256 251

2006

200601 1 13 278 268

200602 2 14 259 250

200603 3 15 229 222

200604 4 16 281 271

200605 5 17 276 266

200606 6 18 231 224

200607 7 19 228 221

200608 8 20 223 216

200609 9 21 227 220

200610 10 22 200 194

200611 11 23 164 159

200612 12 24 200 193

2007

200701 1 25 392 375

200702 2 26 313 299

200703 3 27 656 631

200704 4 28 430 412

200705 5 29 577 557

200706 6 30 531 511

200707 7 31 547 524

200708 8 32 682 654

200709 9 33 832 800

200710 10 34 985 942

200711 11 35 944 900

200712 12 36 821 775

2008

200801 1 37 869 829

200802 2 38 664 629

200803 3 39 766 725

200804 4 40 953 899

200805 5 41 897 841

83



(Continua)


200806 6 42 782 740

200807 7 43 576 554

200808 8 44 477 459

200809 9 45 544 523

200810 10 46 475 455

200811 11 47 440 421

200812 12 48 387 372

2009

200901 1 49 504 480

200902 2 50 477 452

200903 3 51 641 616

200904 4 52 519 498

200905 5 53 552 528

200906 6 54 387 369

200907 7 55 531 503

200908 8 56 410 389

200909 9 57 449 431

200910 10 58 419 400

200911 11 59 335 319

200912 12 60 317 303

2010

201001 1 61 375 370

201002 2 62 352 345

201003 3 63 427 421

201004 4 64 405 403

201005 5 65 417 411

201006 6 66 361 357

201007 7 67 411 408

201008 8 68 399 393

201009 9 69 412 408

201010 10 70 413 408

201011 11 71 336 332

201012 12 72 353 348

2011

201101 1 73 375 370

201102 2 74 425 418

201103 3 75 320 317

201104 4 76 307 303

201105 5 77 312 307

201106 6 78 431 424

201107 7 79 410 403

201108 8 80 374 369

201109 9 81 402 395

201110 10 82 368 363

84



(Conclusão)


201111 11 83 357 353

201112 12 84 322 318

2012

201201 1 85 412 403

201202 2 86 367 361

201203 3 87 531 524

201204 4 88 466 460

201205 5 89 481 474

201206 6 90 401 394

201207 7 91 457 448

201208 8 92 487 479

201209 9 93 475 469

201210 10 94 428 421

201211 11 95 387 383

201212 12 96 340 333

2013

201301 1 97 417 414

201302 2 98 343 339

201303 3 99 358 353

201304 4 100 402 401

201305 5 101 481 480

201306 6 102 599 593

201307 7 103 645 634

201308 8 104 538 531

201309 9 105 511 507

201310 10 106 630 627

201311 11 107 511 508

201312 12 108 460 458

2014

201401 1 109 621 624

201402 2 110 484 482

201403 3 111 422 422

201404 4 112 445 449

201405 5 113 495 500

201406 6 114 467 471

201407 7 115 591 596

201408 8 116 504 504

201409 9 117 506 509

201410 10 118 570 577

201411 11 119 507 511

201412 12 120 527 532

85

APÊNDICE E – Comparação dos dados simulados elementos “Resolução

recoleta” Terceira parte do modelo

(Continua)


2005

200501 1 1 - -

200502 2 2 277 216

200503 3 3 427 343

200504 4 4 439 344

200505 5 5 433 341

200506 6 6 406 308

200507 7 7 442 318

200508 8 8 505 394

200509 9 9 441 320

200510 10 10 491 377

200511 11 11 400 296

200512 12 12 395 314

2006

200601 1 13 405 308

200602 2 14 396 296

200603 3 15 403 290

200604 4 16 473 356

200605 5 17 477 357

200606 6 18 386 274

200607 7 19 502 370

200608 8 20 509 387

200609 9 21 443 312

200610 10 22 470 355

200611 11 23 431 321

200612 12 24 378 286

2007

200701 1 25 506 459

200702 2 26 364 311

200703 3 27 653 642

200704 4 28 486 412

200705 5 29 635 572

200706 6 30 552 522

200707 7 31 576 550

200708 8 32 741 737

200709 9 33 666 790

200710 10 34 836 1.002

200711 11 35 679 873

200712 12 36 526 650

2008

200801 1 37 692 825

200802 2 38 495 552

200803 3 39 548 611

200804 4 40 643 792

200805 5 41 671 760

86



(Continua)


200806 6 42 688 814

200807 7 43 586 569

200808 8 44 459 405

200809 9 45 541 540

200810 10 46 649 610

200811 11 47 604 532

200812 12 48 618 589

2009

200901 1 49 862 823

200902 2 50 469 477

200903 3 51 853 880

200904 4 52 683 677

200905 5 53 861 839

200906 6 54 763 750

200907 7 55 982 956

200908 8 56 682 642

200909 9 57 625 590

200910 10 58 488 427

200911 11 59 499 424

200912 12 60 490 434

2010

201001 1 61 618 545

201002 2 62 413 361

201003 3 63 654 594

201004 4 64 509 468

201005 5 65 693 595

201006 6 66 565 480

201007 7 67 627 553

201008 8 68 651 607

201009 9 69 664 607

201010 10 70 666 637

201011 11 71 609 581

201012 12 72 650 655

2011

201101 1 73 767 767

201102 2 74 732 754

201103 3 75 686 648

201104 4 76 601 589

201105 5 77 761 727

201106 6 78 761 784

201107 7 79 653 659

201108 8 80 678 688

201109 9 81 561 588

201110 10 82 645 648

87



(Conclusão)


201111 11 83 648 640

201112 12 84 703 704

2012

201201 1 85 694 697

201202 2 86 632 622

201203 3 87 941 946

201204 4 88 798 825

201205 5 89 938 926

201206 6 90 925 923

201207 7 91 830 871

201208 8 92 880 954

201209 9 93 763 806

201210 10 94 748 742

201211 11 95 650 662

201212 12 96 582 596

2013

201301 1 97 681 718

201302 2 98 556 561

201303 3 99 594 613

201304 4 100 587 634

201305 5 101 631 663

201306 6 102 644 576

201307 7 103 702 664

201308 8 104 713 727

201309 9 105 555 598

201310 10 106 599 600

201311 11 107 549 556

201312 12 108 455 466

2014

201401 1 109 795 838

201402 2 110 589 607

201403 3 111 327 295

201404 4 112 421 361

201405 5 113 489 423

201406 6 114 465 432

201407 7 115 591 508

201408 8 116 567 495

201409 9 117 473 433

201410 10 118 621 639

201411 11 119 496 491

201412 12 120 532 533

88


“Encaminhamento” -Terceira parte do modelo

(Continua)


2005

200501 1 1 - -

200502 2 2 27 26

200503 3 3 37 36

200504 4 4 47 45

200505 5 5 48 46

200506 6 6 41 39

200507 7 7 40 38

200508 8 8 48 46

200509 9 9 45 43

200510 10 10 39 38

200511 11 11 30 29

200512 12 12 34 33

2006

200601 1 13 50 48

200602 2 14 24 23

200603 3 15 26 25

200604 4 16 28 27

200605 5 17 34 32

200606 6 18 29 28

200607 7 19 48 46

200608 8 20 36 34

200609 9 21 42 40

200610 10 22 33 32

200611 11 23 28 27

200612 12 24 40 38

2007

200701 1 25 31 29

200702 2 26 22 21

200703 3 27 42 40

200704 4 28 37 35

200705 5 29 48 46

200706 6 30 44 42

200707 7 31 43 41

200708 8 32 25 23

200709 9 33 31 29

200710 10 34 34 32

200711 11 35 31 29

200712 12 36 27 25

2008

200801 1 37 33 31

200802 2 38 26 24

200803 3 39 33 31

200804 4 40 26 24

200805 5 41 39 36

89



(Continua)


200806 6 42 29 27

200807 7 43 37 35

200808 8 44 27 25

200809 9 45 25 24

200810 10 46 34 32

200811 11 47 32 30

200812 12 48 26 24

2009

200901 1 49 38 36

200902 2 50 35 33

200903 3 51 27 25

200904 4 52 33 31

200905 5 53 34 32

200906 6 54 25 23

200907 7 55 33 31

200908 8 56 22 20

200909 9 57 30 28

200910 10 58 38 36

200911 11 59 23 21

200912 12 60 21 20

2010

201001 1 61 23 22

201002 2 62 27 26

201003 3 63 25 24

201004 4 64 32 31

201005 5 65 25 24

201006 6 66 45 44

201007 7 67 33 32

201008 8 68 31 30

201009 9 69 26 25

201010 10 70 22 21

201011 11 71 35 34

201012 12 72 31 30

2011

201101 1 73 26 25

201102 2 74 32 31

201103 3 75 23 22

201104 4 76 27 26

201105 5 77 15 14

201106 6 78 37 36

201107 7 79 30 29

201108 8 80 30 29

201109 9 81 28 27

201110 10 82 25 24

90



(Conclusão)


201111 11 83 32 31

201112 12 84 34 33

2012

201201 1 85 43 42

201202 2 86 29 28

201203 3 87 38 37

201204 4 88 30 29

201205 5 89 29 28

201206 6 90 24 23

201207 7 91 30 29

201208 8 92 20 19

201209 9 93 19 18

201210 10 94 27 26

201211 11 95 30 29

201212 12 96 15 14

2013

201301 1 97 28 27

201302 2 98 17 16

201303 3 99 20 19

201304 4 100 17 16

201305 5 101 23 22

201306 6 102 30 29

201307 7 103 26 25

201308 8 104 41 40

201309 9 105 49 48

201310 10 106 96 95

201311 11 107 55 54

201312 12 108 44 43

2014

201401 1 109 45 45

201402 2 110 27 26

201403 3 111 46 46

201404 4 112 41 41

201405 5 113 48 48

201406 6 114 50 50

201407 7 115 67 67

201408 8 116 72 71

201409 9 117 58 58

201410 10 118 55 55

201411 11 119 55 55

201412 12 120 50 50

tÉcnicas de simulaÇÃo de sistemas para … · 3.2.4.3 programa computacional promodel ......

Documents