MODELAGEM E SIMULAÇÃO COMPUTACIONAL EM UMA AGÊNCIA BANCÁRIA: CONSTRUINDO CENÁRIOS PARA A OTIMIZAÇÃO DO TEMPO DE ATENDIMENTO E REDUÇÃO DE FILAS

Transcrição

1 MODELAGEM E SIMULAÇÃO COMPUTACIONAL EM UMA AGÊNCIA BANCÁRIA: CONSTRUINDO CENÁRIOS PARA A OTIMIZAÇÃO DO TEMPO DE ATENDIMENTO E REDUÇÃO DE FILAS Jaqueline Cristina Marques da Silva 1 ; Mariele Jerusa Catto 2 ; Evandro Antônio Bertoluci 3 1Faculdade de Tecnologia de Jahu ; 2Faculdade de Tecnologia de Jahu ; 3Faculdade de Tecnologia de Jahu Resumo Este trabalho apresenta uma aplicação de simulação computacional, através do uso do software Arena, no processo de atendimento a clientes de uma agência bancária localizada na cidade de Jaú, São Paulo. Tendo como foco principal o tempo de espera, a simulação analisa o comportamento da fila, segundo uma metodologia de modelagem e validação. Por fim, o trabalho apresenta uma proposta de melhoria para o processo de atendimento, em relação à diminuição do tempo de espera em fila. Palavras Chave: ARENA; CLIENTES; FILA Abstract This paper presents an application of computer simulation, using the Arena software, at the process to serve the customers in a bank agency located in Jaú, São Paulo. Focusing mainly on the waiting time, the simulation analyzes the behavior of the queues, according to a modeling methodology and validation. Finally, the paper presents a proposal to improve the process of customers service in relation to the reduction of the waiting time in queues. Keywords: ARENA, CUSTOMERS; QUEUE 1. Introdução Para que as empresas consigam estabelecer um bom relacionamento com seus clientes, tornase necessário que elas consigam desenvolver um sistema de prestação de serviços que além de satisfazer suas necessidades, garanta um processo de aperfeiçoamento contínuo, de modo que o cliente seja considerado sempre o elemento central e mais importante, podendo, assim, obter a satisfação de seus desejos e necessidades. A falta de um planejamento adequado gera grande transtorno aos usuários de um sistema, além de tornar o estabelecimento passível de multas, em alguns casos. Por outro lado, um bom fluxo de atendimento, com ambiente bem sinalizado e tempos de espera adequados devem ser a meta de qualquer gerente de atendimento. Para tal é preciso conhecer e medir o processo de atendimento. Na atualidade, o sistema de atendimento bancário apresenta uma grande necessidade de melhorias no que se refere ao tempo de atendimento e eficiência de seus atendentes. E através de relatórios emitidos, é possível analisar a eficiência de cada funcionário, permitindo ajustes que qualifiquem o setor. Este presente trabalho se justifica pela necessidade de analisar dados reais em um setor de atendimento, buscando otimizar o processo, de forma a apresentar demais cenários gerados após simulações realizadas com o auxilio do software ARENA. Com esses resultados, torna-se perceptível a quantidade necessária de atendentes para atender a demanda de clientes. E através de relatórios emitidos, é possível analisar a eficiência de cada funcionário, permitindo ajustes que qualificam o setor. 2. Objetivo O objetivo deste artigo é analisar o tempo de espera de clientes em fila em uma agência bancária localizada na cidade de Jaú, S.P, através de uma metodologia de simulação 1

2 computacional, e propor possíveis melhorias, que satisfaçam o cliente e sejam viáveis economicamente para o provedor do serviço. 3. Metodologia A metodologia adotada baseou-se primeiramente em uma revisão bibliográfica sobre o assunto discutido. Em seguida, foi realizada uma pesquisa aplicada de natureza quantitativa, realizada, através de dados reais coletados em uma agência bancária. Primeiramente busca-se identificar como ocorre o processo de atendimento em uma agência bancária, levando em consideração a média do tempo de chegada e de atendimento dos clientes. Posteriormente, são apresentados alguns aspectos envolvendo a prática de modelagens de sistemas, tendo como ênfase sua abordagem em razão dos benefícios gerados pela simulação de sistemas. Para a análise, quanto ao funcionamento de um sistema simulado, utilizou-se como ferramenta de apoio o software Arena, que busca imitar os cenários reais de um dado sistema. Para realização do estudo, planejamos a modelagem do sistema, o processo de coleta de dados e a inserção desses dados no software Arena. Para que os resultados fossem precisos, as variáveis de entrada coletadas, na agência, foram o tempo entre chegadas sucessivas dos clientes e o tempo gasto no atendimento dos mesmos. Essas variáveis foram coletadas nos dias: 27/06/2014; 07/07/2014 e 15/07/2014, dias de movimento baixo, médio e alto. O sistema pesquisado caracteriza-se por ser uma fila única e múltiplos servidores em paralelo, onde o caixa ocioso atende o próximo cliente que aguarda na fila. Na coleta de dados foram estipulados parâmetros para o início e término das medidas. 4. Revisão Bibliográfica 4.1 Gestão de filas Corrêa (2005), afirma que todas as organizações que processam fluxos e que estão sujeitas a alguma restrição de capacidade de recurso encaram, de uma forma ou de outra, o problema de filas de espera. Segundo Gianesi; Corrêa (1994), o fornecedor do serviço deve gerenciar a formação de filas de modo que o cliente não espere tempo demais para ser atendido, sob pena de possibilitar a formação de um impacto negativo devido ao nível de satisfação do cliente com o serviço prestado. Uma má administração de filas nesse setor é considerada de grande impacto negativo devido ao nível de satisfação do cliente com o serviço prestado. Johnston; Clark (2002) esclarecem que a insatisfação com a demora no atendimento aumenta com o tempo de espera e essa insatisfação pode ser atribuída a todo o serviço. 4.2 Teoria das Filas Define-se fila como um contratempo entre a capacidade de atendimento do serviço oferecido e a demanda de clientes. Por mais que seja analisada como um efeito maléfico, a fila representa um importante papel na gestão de operações de serviços, pois em muitos casos não seria possível a oferta de uma infraestrutura suficiente para atender a procura de todos os usuários. Segundo Fogliatti; Mattos (2007), o objetivo da Teoria de Filas é a determinação de medidas de desempenho que podem considerar a ótica do usuário (o tamanho médio da fila e os tempos médios na fila e de permanência no sistema), e a ótica da gerência (o tempo médio de serviço e a taxa de ociosidade dos atendentes). De acordo com Moreira (2007), quando o número de canais de serviço são definidos, estão sendo determinados os números de estações de serviços paralelos que podem servir os clientes simultaneamente. Denomina-se fila de canal único, um sistema onde todo o atendimento é realizado em um único posto e em apenas um estágio como mostra a figura 1: 2

3 Figura 1: Sistema de 1 fila e canal único Fonte: Moro (2010, p.10). Um sistema de filas pode ter mais de um canal de atendimento. Neste caso o sistema é chamado de multicanal. Em uma agência bancária é, geralmente, utilizado um sistema multicanal com fila única, como mostrado na figura 2: Figura 2: Sistema de 1 fila e 3 canais. Fonte: Moro (2010, p.11). 4.3 As filas no setor bancário Atualmente, é comum que os clientes não possuam disponibilidade de horário para perder tempo em filas, os quais, em sua maioria, desejam qualidade, com agilidade. Logo, não estão dispostos a esperar muito para que o atendimento comece. Cada cliente busca a satisfação de um jeito e o objetivo do prestador de serviço é entender o que cada um deles procura. É preciso oferecer qualidade, preço acessível e rapidez. Nos dias de hoje, são inúmeras e intermináveis as filas nos bancos, percebe-se na expressão facial do cliente sua insatisfação com a qualidade dos serviços prestados, muitos são os clientes que perdem metade de um dia ou algumas vezes um dia todo no aguardo em filas de bancos para serem atendidos. Na visão de Ramos (2003), muito se tem discutido a respeito das intermináveis filas em bancos, porém, embora os bancos invistam, constantemente, em equipamentos e tecnologia para facilitar a vida dos clientes, o fato é que as filas permanecem em qualquer que seja o banco. Dessa forma a principal causa de filas tão longas nos bancos deve-se à redução do quadro funcional. 3

4 Muitos clientes analisam o tempo excedente de espera nas filas bancárias como uma injustiça e desrespeito ao cidadão, e não sabem a quem recorrer. Todavia, deveria haver uma fiscalização atuante para que isso não aconteça. Sem dúvida, o tempo de espera nas filas bancárias é um fator de grande importância na contribuição para o estresse do cliente. Isso influencia na percepção do mesmo no que se refere à interpretação da qualidade dos serviços oferecidos pelas agências bancárias. Por isso toda e qualquer gerência de agências bancárias deve ter um cuidado todo especial no que diz respeito à organização das filas. 4.4 Modelagem de sistemas A modelagem de sistemas é composta de duas técnicas utilizadas para análise de processos em que há formação de filas: a teoria das filas e simulação. Como resultado da aplicação da modelagem de sistemas espera-se que o sistema apresente um resultado otimizado,ou seja, que os custos sejam viáveis a empresa e os clientes fiquem satisfeitos com o serviço oferecido. O estudo de planejamento oferece a análise dos problemas de dimensionamento ou fluxo, cuja solução é evidentemente complexa. Nestes, a determinação da quantidade de um recurso ou do melhor roteiro de fluxo dentro do sistema caracteriza um funcionamento eficiente ou otimizado. Entende-se por otimizado um custo adequado e usuários satisfeitos com o ambiente ou com o serviço oferecido. Consequentemente o sistema ou processo adequadamente dimensionado estará balanceado. Definindo tais estudos como modelagem de sistemas. Dentre as técnicas disponíveis para a modelagem de sistemas temos a teoria das filas e a simulação (PRADO, 2004). 4.5 Simulação Computacional A simulação baseia-se no processo de experimentação, através do desenvolvimento de um modelo que replica o funcionamento de um sistema real ou idealizado, para estabelecer como o sistema responderá a mudanças em sua estrutura (HARRELL et al., 2002). Os softwares de simulação podem ser aplicados em áreas como: manufatura, serviços, telecomunicações, reengenharia e outros. (SALIBY,1996). De acordo com Moreira (2001 p.16), uma simulação apresenta, em geral, os seguintes mecanismos internos: Variáveis: características ou atributos do sistema que assumem uma gama de valores distintos conforme o desempenho do sistema, quando simulado; Parâmetros: características ou atributos do sistema que têm só um valor em toda a simulação, mas podem mudar se alternativas diferentes forem estudadas; Fatores exógenos: parâmetros ou variáveis cujo valor afeta o sistema, porém não é afetado por ele. São representados pelas séries ou distribuições de probabilidade que fornecem valores ao sistema; Fatores endógenos: parâmetros ou variáveis que tem o valor determinado pelo sistema, como é o caso dos resultados do modelo. 4.6 Etapas da Simulação De acordo com Moreira (2001), a realização de estudos utilizando simulação segue um conjunto de etapas bem definidas. Como o sistema de simulação em estudo por procedimentos não otimiza os resultados, cabe à pessoa envolvida estudar e identificar diferentes alternativas para admitir soluções otimizadas, ou seja, analisar as saídas e identificar alternativas de projeto e configurações possíveis. Pidd (1998) sugere que o analista, antes de construir o modelo de simulação e o programa computacional, identifique: 4

5 A natureza do sistema que está sendo estudado; A natureza do estudo; Objetivos do estudo; Resultados esperados; Nível de detalhe e precisão requerida para a simulação. Segundo Banks et al.(2005 apud OLIVEIRA, 2008, p. 59) num âmbito geral, a simulação de um sistema envolve as etapas a seguir: 1. Formulação do problema: enunciado do problema; deverá ser facilmente entendido por todos os envolvidos. 2. Definição dos objetivos e plano geral do projeto: os objetivos indicam as questões a serem respondidas pela simulação; o plano geral do projeto descreve as alternativas de estudo; inclui as pessoas e custos envolvidos, o tempo necessário e os resultados esperados para cada fase do trabalho. 3. Construção do modelo: requer a habilidade de extrair as principais características de um sistema, selecionar e modificar as principais hipóteses que caracterizam o sistema e então melhorar o modelo até conseguir resultados aproximados ao sistema real. 4. Levantamento dos dados: durante a construção do modelo se faz necessário o levantamento de dados de processo, de forma a facilitar ou mesmo permitir uma aproximação ao sistema real. 5. Implementação computacional (codificação): o programador deverá decidir qual programa ou linguagem será utilizada para rodar a simulação e de acordo com os levantamentos, construir o modelo. 6. Verificação do modelo computacional: após a construção do modelo,são realizados testes gerais para saber se o modelo está rodando satisfatoriamente. 7. Validação do modelo computacional: é a confirmação de que o modelo está representando satisfatoriamente o sistema real. 8. Desenho experimental: consiste na definição das alternativas propostas e alterações relacionadas no modelo construído. 9. Teste das alternativas e análise dos resultados: o modelo é rodado segundo os novos parâmetros em estudo e o desempenho do sistema, resultante destas alterações, é então analisado. 10. Novos testes: se necessário, o modelo deverá ser rodado quantas vezes necessárias para complementar as análises. 11. Documentar o programa e relatório final: documentar o programa consiste em registrar como o programa foi gerado, de forma a permitir a interpretação dos resultados e a reutilização do modelo em novos estudos; as formas como foram realizadas as análises e seus resultados, deverão ser documentadas de forma clara em relatório próprio, permitindo a tomada de decisão em relação ao sistema. 12. Implementação: consiste na alteração do sistema real, baseadas nos resultados do modelo simulação. 4.7 Simulação utilizando o software Arena De acordo com Paragon (2014), o ARENA é um ambiente gráfico integrado de simulação, que contém todos os recursos para modelagem de processos, desenho e animação, análise estatística e análise de resultados. A tecnologia diferencial do ARENA é a criação de templates, ou seja, objetos e ferramentas para a execução da modelagem, que permitem descrever o comportamento do processo em análise, através de respostas às perguntas, de maneira visual e interativa sem a necessidade de programação. Os templates ainda podem ser criados pelos próprios usuários de acordo as necessidades e situações mais comuns em seu ramo de atividade. Segundo Fioroni (2007) o funcionamento conceitual de um modelo no Arena acontece da seguinte maneira: o usuário descreve, durante a construção do modelo, todos os elementos 5

6 estáticos como recursos e outros, e também as regras de comportamento a serem seguidas. Ao se iniciar a simulação, os elementos dinâmicos (entidades) entram no modelo, interagem com os elementos estáticos e circulam conforme as regras que foram modeladas. De acordo com Paragon (2014), são anexados aos modelos dados sobre o sistema, neste ponto a simulação se diferencia, pois não são utilizados valores médios para os parâmetros no modelo, e sim distribuições estatísticas geradas a partir de uma coleção de dados sobre o parâmetro a ser inserido. Somando se os dados e o modelo lógico, teremos uma representação do sistema no computador. Com esse sistema podemos realizar vários testes e coletar dados de resultados que irão mostrar o comportamento do sistema bem próximos do real. Em um modelo de simulação, são inseridos dados para que ele represente com precisão o sistema em estudo. Figura 3: Tela do Arena Fonte: Arena Resultados e Discussão O trabalho foi desenvolvido em uma Agência Bancária no município de Jaú SP. As variáveis coletadas, na agência, foram o tempo de chegada e de atendimentos dos clientes. Essas variáveis foram coletadas em dias de movimento baixo, médio e alto. O sistema pesquisado caracteriza-se por ser uma fila única e múltiplos servidores em paralelo, onde o caixa ocioso atende o próximo cliente que aguarda na fila. Na coleta de dados foram estipulados parâmetros para o início e término das medidas. O intervalo de chegada de cada cliente iniciava no momento em que cada cliente chegasse à fila, já o tempo de atendimento começava quando cada cliente chegasse à frente do caixa, finalizando no instante que ele saísse do mesmo. Os dados coletados foram analisados com a ferramenta Input analyzer (analisador de dados de entrada) do software ARENA. Segundo Prado (2010), esta ferramenta permite analisar dados reais do funcionamento do processo e escolher a melhor distribuição estatística que se aplica a eles. A seguir apresentaremos detalhadamente os passos efetuados: 6

7 Os dados coletados Para que os resultados fossem precisos, a coleta de dados foi realizada na agência bancária onde ocorre o atendimento dos clientes, nos dias: 27/06, 07/07 e 15/07. Foi possível verificar que a distribuição estatística gerada pela ferramenta Input Analyzer em relação aos intervalos de tempo entre as chegadas de clientes, em minutos, na agência foi de (1.2, 0.829) lognormal. Para os tempos de atendimentos dos clientes na agência utilizamos a distribuição triangular, com os seguintes dados: tempo mínimo de 1.5 minutos; tempo modal de 2.0 minutos e tempo máximo de 2.5 minutos. O modelo no software Arena, incluindo os parâmetros da simulação No Arena, podemos utilizar formas geométricas chamadas de templates, que possuem similaridade com um fluxograma e representam: início, procedimentos, decisões, termino de processo, etc. No modelo de simulação, adotou-se três templates no sistema através dos seguintes processos: a chegada, o atendimento e a saída dos clientes como mostram a figura abaixo Figura 4: Imagens de templates Fonte: Arena 14.0 Para a primeira simulação foi adotado o cenário real da empresa, com tempo de chegada dos clientes em 1.2, 0.829) lognormal,com quatro atendentes para efetuar o atendimento com o tempo em uma distribuição triangular de (1.5, 2.0, 2.5) minutos. Figura 5: Momento do atendimento do cenário 1( real) Fonte: Os autores (2014) 7

8 Após a simulação os seguintes resultados foram obtidos: Quadro 1 Dados e resultados do cenário 1 Tempo de Simulação 300 MINUTOS Número de caixas 4 Distribuição estatística do tempo de chegada Distribuição estatística do tempo de atendimento Numero de clientes atendidos 148 Tempo de espera dos clientes Tamanho da fila (1.2, 0.829) lognormal (1.5, 2.0, 2.5) triangular 58 minutos 45 pessoas Carga de trabalho dos caixas 100 % Número de chegada dos clientes 243 Cliente em atendimento 95 Fonte: Os Autores (2014) Para a segunda simulação, mantivemos a quantidade de atendentes, porém alteramos o tempo de atendimento para (1.0, 1.5, 2.0) minutos. Figura 6: Momento do atendimento do cenário 2. Fonte: Os Autores (2014) 8

9 Após a simulação os seguintes resultados foram obtidos: Quadro 2: Dados e resultados do cenário 2 Tempo de Simulação Número de caixas MINUTOS Distribuição estatística do tempo de (1.2, 0.829) lognormal chegada Distribuição estatística do tempo de (1.0, 1,5, 2.0) triangular atendimento Numero de clientes atendidos 196 Tempo de espera dos clientes Tamanho da fila 24 minutos 20 pessoas Carga de trabalho dos caixas 100 % Número de chegada dos clientes 246 Cliente em atendimento 50 Fonte: Os Autores (2014) Analisando os dois cenários apresentados nesta seção, podemos observar que o cenário 2 apresentou números mais satisfatórios em relação ao tempo de atendimento e ao tamanho da fila de espera. Houve uma redução no tempo de espera dos clientes na fila de 58 para 24 minutos; ainda no cenário 2, o tamanho médio da fila foi reduzido para 20 pessoas. As alterações sugeridas para a melhoria no sistema de atendimento, basearam-se apenas na redução do tempo médio de atendimento em 30 segundos. Não houve necessidade de mudança no número de atendentes. É importante destacar também que no cenário proposto, com a sugestão oferecida, o número de clientes atendidos aumentou de 148 para 196. O gráfico abaixo demonstra os resultados: Gráfico: Resultados obtidos Fonte: Os Autores (2014) 9

10 6. Conclusões O presente artigo buscou demonstrar a aplicabilidade e importância de estudos de Simulação Computacional no setor bancário, através da coleta de dados reais e da modelagem de sistemas. A simulação Computacional através do software Arena permitiu analisar alternativas de fluxo de processo e testá-las sem os problemas e riscos de experimentar no sistema real, e forneceu informações relevantes para a tomada de decisão sobre este processo. Este trabalho objetivou analisar propostas de melhoria que agilizem o processo de atendimento a clientes em uma agência bancária, visando dar maior satisfação aos mesmos e contribuir para os gestores na tomada de decisão sobre a qualidade na prestação de serviços, incluindo: a diminuição de filas no processo de atendimento; a redução dos tempos médios dos atendimentos; o atendimento a legislações municipais que limitam o tempo de espera em empresas prestadoras de serviços financeiros. É importante salientar que no presente estudo, a coleta de dados ocorreu durante o período de 3 dias aleatórios. Sugerimos outros estudos, com coletas de dados num período maior, para que seja possível o estabelecimento de comparações nas simulações oferecendo aos tomadores de decisão novos parâmetros. Referências CORRÊA, H. L. Administração de produção e de operações: manufatura e serviços: uma abordagem estratégica. São Paulo: Atlas, FIORONI, M.M. Simulação em ciclo fechado de malhas ferroviárias e suas aplicações no brasil: avaliação de alternativas para o direcionamento de composições p Tese de Doutorado. (Curso de Engenharia Naval e Oceânica. Escola Politécnica da Universidade de São Paulo. São Paulo, FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria de Filas. Rio de Janeiro: Interciência, 2007 GIANESI, I.; CORRÊA, H. L. Administração Estratégica de Serviços: operações para a satisfação do cliente. São Paulo: Atlas HARRELL, Charles R., Mott, J.R.A., Bateman, R.E., Bowden, R.G., Gogg, T.J..Simulação otimizando os sistemas. São Paulo: Instituto IMAM,2002. JOHNSTON, R.; CLARK, G. Administração de operações de serviço. São Paulo: Atlas, MOREIRA, C. M. Estratégias de Reposição de Estoques em Supermercados: Avaliação por meio de simulação p14. Dissertação (Mestrado em Engenharia de Produção) Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, SC, MOREIRA, Daniel Augusto. Pesquisa Operacional: curso introdutório. São Paulo: Thomson Learning, MORO, M. D. Dimensionamento de Canais de Atendimento em uma Agência Bancária p trabalho de Conclusão de Curso (Engenharia de Produção), Universidade Anhembi Morumbi, São Paulo, S.P, OLIVEIRA, S. C. Metodologia para Utilização de Simulação em Projetos de Manufatura Enxuta p.59. Dissertação (Mestrado em Engenharia de Produção) Programa de Pós- 10

11 Graduação em Engenharia de Produção, Escola de Engenharia da Universidade Federal de Minas Gerais, Minas Gerais, M.G, PARAGON TECNOLOGIA LTDA, Introdução a simulação com ARENA. Disponível em: < em: 03 jun PIDD, Mike. Modelagem Empresarial: Ferramentas para Tomada de Decisão. Porto Alegre: Bookman, PRADO, D. S. Usando o Arena em Simulação. Belo Horizonte, INDG Tecnologia e Serviços Ltda RAMOS, Frederico J. C. Tempo perdido: O atendimento precário nas filas de bancos no Brasil, Disponível em: < 22/atendimento_precario_filas_bancos_brasil>. Acesso: em 01 de jun SALIBY, E. Softwares para Simulação. Rio de Janeiro, SOBRAPO - Pesquisa Operacional.V. 16, n. 1,