APLICAÇÃO DA TEORIA DAS FILAS NOS CAIXAS DE ATENDIMENTO NA LOJA

DE DEPARTAMENTOS C&A, LOCALIZADA NO SHOPPING JEQUITIBÁ EM

ITABUNA- BA.

Isadora Sousa Andrade - UESC

Pedro Freitas Lima - UESC

Jônathas de Souza Moreira- UESC

Thales Humberto Mota Couto - UESC

1. INTRODUÇÃO
A eficiência no atendimento ao cliente é uma das principais preocupações das
empresas no setor de varejo, especialmente em lojas de departamento
movimentadas. A gestão adequada das filas de caixa é fundamental para garantir
uma experiência satisfatória para os clientes, minimizando o tempo de espera e
proporcionando um fluxo contínuo de atendimento. Nesse contexto, a aplicação da
teoria das filas, aliada ao software de simulação Simul8, surge como uma poderosa
ferramenta para auxiliar na análise e otimização desse processo.
A teoria das filas é uma disciplina que estuda o comportamento e o
desempenho de sistemas de espera, como é o caso das filas de caixa em uma loja
de departamentos. Compreender e gerenciar essas filas é essencial para evitar
congestionamentos, reduzir o tempo de espera dos clientes e aumentar a eficiência
operacional. Nesse contexto, o software de simulação Simul8 desempenha um papel
fundamental, permitindo que os gestores simulem e visualizem o funcionamento do
sistema de filas, testem diferentes estratégias e identifiquem oportunidades de
melhoria.
No caso específico da C&A, a aplicação da teoria das filas com o Simul8 pode
trazer uma série de benefícios. Por meio da simulação, é possível analisar o fluxo de
clientes, identificar gargalos, determinar a capacidade ideal de atendimento, otimizar
a alocação de recursos e testar diferentes cenários. Ao modelar o sistema de filas
com base em dados reais da loja, é possível visualizar como diferentes variáveis,
como número de caixas abertos, velocidade de atendimento e distribuição dos
clientes ao longo do tempo, afetam o desempenho do sistema.
 Além disso, o Simul8 permite a implementação de estratégias de otimização,
como a adoção de filas únicas, autoatendimento, realocação de caixas e
treinamento de funcionários. Essas estratégias podem ser testadas e comparadas
em diferentes cenários, a fim de identificar a melhor abordagem para minimizar o
tempo de espera dos clientes e maximizar a eficiência do atendimento.
O objetivo deste artigo é apresentar a aplicação da teoria das filas com o
software de simulação Simul8 no contexto dos caixas da loja de departamento C&A.
O artigo busca demonstrar como essa abordagem pode ser utilizada para otimizar o
atendimento ao cliente, reduzir o tempo de espera e aumentar a eficiência
operacional do sistema de filas da loja. Serão discutidos os benefícios dessa
aplicação, a determinação da capacidade ideal de atendimento, a alocação de
recursos e a análise de diferentes estratégias de otimização. O objetivo final é
destacar como o uso do Simul8 pode contribuir para melhorar a experiência do
cliente na C&A, proporcionando uma análise embasada em dados e resultando em
decisões mais eficientes e eficazes para a gestão das filas nos caixas da loja.

2. REFERENCIAL TEÓRICO
2.1 Teoria das Filas
A teoria das filas é um campo da matemática aplicada que estuda o
comportamento de sistemas de filas, onde os eventos chegam a um sistema e são
atendidos por um ou mais servidores. Essa teoria é amplamente utilizada para
analisar e otimizar sistemas em que a espera é uma parte inevitável do processo,
como centrais de atendimento, redes de computadores, tráfego rodoviário e muitos
outros (Gross, D., & Harris, C. M., 2008).
A teoria das filas utiliza modelos matemáticos para descrever e prever o
desempenho desses sistemas, levando em consideração variáveis como a taxa de
chegada dos eventos, a capacidade do sistema, o tempo de serviço, a disciplina de
atendimentos e a distribuição probabilística dessas variáveis (Kleinrock, L., 1975).
A análise das filas envolve a determinação de métricas importantes, como o
tempo médio de espera na fila, o tempo médio de resposta, a utilização do sistema,
a probabilidade de que um evento tenha que esperar na fila e outros indicadores de
desempenho. Essas métricas são calculadas com base nos modelos matemáticos e
nas propriedades estatísticas das variáveis envolvidas (Bolch, G., Greiner, S., de
Meer, H., & Trivedi, K. S., 2006).
 2.2 Elementos de cada modelo de filas
O processo de chegada: Também conhecido como processo de chegada de
eventos, é um conceito fundamental no campo da teoria das filas e teoria das
probabilidades. Ele descreve a maneira como os eventos chegam a um sistema ao
longo do tempo. Especificamente, o processo de chegada é usado para modelar a
ocorrência de eventos em sistemas dinâmicos, como filas de atendimento, redes de
comunicação, sistemas de tráfego e muitos outros.
Em sua forma mais geral, um processo de chegada é uma sequência de
variáveis aleatórias que representam os tempos de chegada de eventos sucessivos.
Essas variáveis aleatórias são frequentemente modeladas como processos
estocásticos, nos quais os tempos de chegada são regidos por alguma distribuição
probabilística. A distribuição de probabilidade específica que governa os tempos de
chegada é chamada de distribuição de chegada.
Distribuição de tempo de serviço: A distribuição de tempo de serviço refere-se
à distribuição probabilística que descreve o tempo necessário para realizar o serviço
em um sistema. Em outros termos, é uma função que associa probabilidades a
diferentes valores de tempo de serviço. A distribuição de tempo de serviço pode
variar de acordo com o sistema em consideração e o tipo de serviço prestado.
Alguns exemplos comuns de distribuições de tempo de serviço incluem distribuição
exponencial, distribuição normal (gaussiana) e distribuição de Erlang.
Capacidade do sistema: A capacidade do sistema é uma medida da
quantidade de trabalho ou eventos que um sistema pode processar dentro de um
determinado intervalo de tempo. Em um contexto de teoria das filas, a capacidade
do sistema é geralmente expressa em termos de taxa de serviço, que representa o
número médio de eventos que o sistema pode lidar por unidade de tempo. A
capacidade do sistema pode ser limitada por diversos fatores, como recursos
disponíveis, restrições físicas, restrições de tempo e habilidades dos atendentes.
Disciplina de atendimentos: A disciplina de atendimentos refere-se às regras
que determinam como os eventos são tratados e processados em um sistema de
filas. Existem várias disciplinas de atendimentos comuns, incluindo:
● FIFO (First-In-First-Out): Os eventos são tratados na ordem em que
chegaram. O evento mais antigo na fila é o próximo a ser atendido.
 ● LIFO (Last-In-First-Out): Também conhecida como pilha (stack), os eventos
mais recentes têm prioridade e são atendidos primeiro. O último evento a
chegar é o próximo a ser atendido.
● Prioridade: Os eventos são atendidos de acordo com um critério de prioridade
atribuído a cada evento. Eventos com maior prioridade são atendidos antes
dos eventos com menor prioridade.
● Round Robin: Cada evento recebe um tempo de atendimento fixo. Após esse
tempo, o evento é colocado no final da fila e o próximo evento é atendido.
Esse processo continua em um ciclo até que todos os eventos sejam
atendidos.
A escolha da disciplina de atendimento pode ter um impacto significativo no
desempenho do sistema, na satisfação dos clientes e na justiça no tratamento dos
eventos. Diferentes disciplinas podem levar a diferentes tempos de espera, tempos
de resposta e utilização dos recursos do sistema.

2.3 Simulação
Segundo Banks et al. (2005), a simulação pode ser definida como a técnica
de projetar um modelo computacional de um sistema real e conduzir experimentos
com esse modelo com o propósito de entender o comportamento do sistema ou
avaliar estratégias para a operação do mesmo.

3. METODOLOGIA
Inicialmente,o objeto de estudo deste artigo foi a loja C&A , localizada no
shopping Jequitibá em Itabuna-Ba, onde buscou-se conhecer o sistema da empresa
para então, identificar os possíveis problemas relacionados ao intervalo entre a
chegada de clientes e o tempo de atendimento. Com isso, utilizou-se a análise
exploratória e estudo de campo, em que o pesquisador realizou a imersão no local
do problema , desse modo, foram coletados os dados dos tempos de chegada na fila
e de atendimento nos caixas.
A empresa conta com 3 caixas, (sendo um caixa preferencial) e um sistema
único de fila, onde o primeiro a entrar é o primeiro a ser atendido como pode ser
observado na figura 1. Em conversa com a gerente da loja fomos informados que o
tempo médio de atendimento esperado pela empresa é de 3 min/atendimento. Os
dados foram coletados em três sábados diferentes durante uma hora em cada dia,
onde o horário de pico era das 15h às 18h. Com o auxílio de quatro cronômetros
digitais, foram coletados dados quantitativos referentes aos tempos entre chegadas
de clientes na fila, assim como o tempo de atendimento nos caixas. Para o
tratamento de dados, foram realizadas análises estatísticas por meio dos softwares
Microsoft Office Excel e Stat::Fit.Para a simulação e análise de resultados do
atendimento nos caixas eletrônicos utilizou-se o software Simul8.
Figura 1 - Modelo de sistema FIFO.

4. RESULTADOS
Foram coletadas 137 medidas para o tempo de chegada dos clientes na fila e
também para o tempo de atendimento nos dois caixas analisados. Após a coleta os
dados foram armazenados em tabelas no Excel para que pudessem ser tratados, ou
seja, retirar os outliers. As tabelas da figura 2 abaixo mostram os resultados destes
dados já tratados.
Figura 2 - Tabela à esquerda: dados tratados do tempo de atendimento nos caixas. Tabela à direita:
dados tratados do tempo de chegada na fila.

Com os dados tratados, o próximo passo foi inserir estes dados no software
StatFit para que fosse fornecida a melhor distribuição. Como resultado obtivemos as
seguintes distribuições: distribuição Beta para o tempo de chegada na fila e para o
tempo de atendimento nos caixas tivemos uma combinação de uma distribuição fixa
com uma distribuição Weibull.
Como pode ser observado nas figuras 3 e 4, através do Simul8 foram feitas
duas modelagens: uma para o sistema atual da loja e outra para o sistema proposto
como resolução do problema, respectivamente.
Figura 3 - Modelo atual do sistema da loja.

Figura 4 - Modelo proposto para o sistema da loja.

Conforme figura 3, o sistema atual é composto por uma entrada de fila única,
dois caixas e a saída após atendimento nos caixas. Na entrada foi inserida a
distribuição Beta e nos caixas foi inserida a distribuição de Weibull combinada com
uma distribuição fixa. De forma semelhante ao sistema atual, foi montado o sistema
proposto, onde a única mudança foi o acréscimo de um novo caixa de atendimento
com uma distribuição combinada de Weibull e fixa. O tempo foi configurado de forma
igual para os dois sistemas, onde foi configurado um tempo de funcionamento de 3
horas (referente ao horário de pico) e durante sete dias na semana. A unidade de
tempo utilizada foi segundos, pois transformamos os tempos coletados de minutos
para segundos, para que facilitasse o tratamento dos dados.
Realizadas as configurações dos sistemas acima, foram gerados resultados
da porcentagem de ociosidade dos caixas, tempos mínimos, médio e máximos do
tempo que o cliente permanecia na fila e no sistema. Através desses tempos foi
possível calcular o tempo médio que o cliente permanecia no atendimento dos
caixas.
Figura 5 - porcentagem de tempo que o caixa 1 estava ocioso ou em uso no sistema atual.

Figura 6 - porcentagem de tempo que o caixa 2 estava ocioso ou em uso no sistema atual.
Figura 7 - porcentagem de tempo que o caixa 1 estava ocioso ou em uso no sistema proposto.

Figura 8 - porcentagem de tempo que o caixa 2 estava ocioso ou em uso no sistema proposto.
 Figura 9 - porcentagem de tempo que o caixa 3 estava ocioso ou em uso no sistema proposto.

Analisando os gráficos das figuras 5 e 6, pode-se observar que a

porcentagem média de tempo que os caixas do sistema atual (sistema real)
permanecem trabalhando é de 96,75% do seu tempo de funcionamento,
sobrecarregando e muito seus funcionários. Considerando o período de tempo de
três horas, essa porcentagem corresponde a 174 minutos, ou seja, o funcionário tem
apenas 6 minutos de tempo livre durante esse período.
 Após o acréscimo de um caixa de atendimento a porcentagem média de
tempo que os caixas permanecem trabalhando é de 69,6% do seu tempo. Para o
sistema proposto essa porcentagem corresponde a 125 minutos, ou seja, o
funcionário tem 55 minutos de tempo livre durante esse período.
Tabela 1 - Tempo na fila e no sistema para o modelo atual.

Tempo Na fila (s) No sistema (s)

Mínimo 0 73,19
Médio 413,29 583,25
Máximo 911,07 1116,28

Tabela 2 - Tempo na fila e nos sistema para o modelo proposto.

Tempo Na fila (s) No sistema (s)

Mínimo 0 20,35
Médio 11,57 186,11
Máximo 144,23 410,34

As tabelas acima informam os tempos do cliente tanto na fila quanto no

sistema (somatório do tempo que o cliente espera na fila para ser atendido mais o
tempo que de atendimento do cliente). Analisando o modelo atual, onde foi feito um
cálculo dos resultados com 95% de confiança que o tempo médio do cliente na fila é
de aproximadamente 7 minutos e o tempo máximo na fila é de aproximadamente 15
minutos. Para o tempo no sistema, tem que o mínimo é aproximadamente 1 minuto,
o tempo médio é de aproximadamente 10 minutos e o tempo máximo no sistema é
de aproximadamente 18 minutos. Para calcular o tempo de atendimento foi feito um
cálculo simples, subtraímos o tempo no sistema pelo tempo na fila. Assim, o tempo
médio de atendimento para o sistema atual é de 2:50 minutos.
De forma análoga para o sistema proposto, tem-se que o tempo médio do
cliente na fila é de aproximadamente 12 segundos e o tempo máximo na fila é de
aproximadamente 2:20 minutos. Para o tempo do cliente no sistema, tem que o
mínimo é de aproximadamente 20 segundos, o tempo médio no sistema é de
aproximadamente 3 minutos e o tempo máximo que o cliente permanece no sistema
é de 7 minutos. Assim, o tempo médio de atendimento para o sistema proposto é de
2:54 minutos.
 Resultado interessante, pois era esperado que o tempo médio de
atendimento para o sistema atual fosse maior que o do sistema proposto. Porém, o
tempo médio de atendimento para ambos os sistemas está dentro do limite.

5. CONCLUSÃO
Com base nos resultados obtidos a partir das simulações no Simul8, é
possível concluir que o tempo médio que o cliente permanece na fila até ser
atendido é de 7 minutos, considerando um tempo elevado para uma loja de
departamentos. Isso ocorre por causa de dois motivos principais. O primeiro motivo
é que o tempo de chegada dos clientes na fila é menor que o tempo de atendimento
dos clientes no período de pico da loja. O segundo motivo é o funcionamento de
apenas dois caixas para atendimento, gerando esse alto tempo de espera.
Um fato interessante é que mesmo tendo este alto tempo de espera na fila, o
cliente é atendido dentro do tempo determinado pela gerente da loja C&A, que é de
3 minutos.
Porém, como a loja deve prezar pelo bem-estar não só do cliente, como
também de seus funcionários, o sistema atual não consegue suportar esta demanda
de clientes. Visto que os funcionários que trabalham nos caixas quase não tem
tempo livre para descanso e/ou fazer suas necessidades fisiológicas.
Uma solução para este problema é a adição de um novo caixa de
atendimento durante este período de pico. Porém, isto acarretaria num custo para a
loja. De forma a minimizar este custo, uma medida que poderia ser utilizada é a
capacitação de um funcionário de outro setor da loja para que conseguisse atender
no caixa durante o horário de pico.
Com isto, o tempo médio de atendimento permaneceria praticamente o
mesmo. Mas, os clientes iriam esperar menos tempo na fila e os atendentes de
caixas seriam menos sobrecarregados.

REFERÊNCIAS
Gross, D., & Harris, C. M. (2008). Fundamentals of Queueing Theory. John Wiley &
Sons.
Kleinrock, L. (1975). Queueing Systems: Theory, Volume 1. John Wiley & Sons.
Bolch, G., Greiner, S., de Meer, H., & Trivedi, K. S. (2006). Queueing Networks and
Markov Chains: Modeling and Performance Evaluation with Computer Science
Applications. John Wiley & Sons.
Simul8 Corporation. (2021). Simul8 User Guide. Disponível em:
https://www.simul8.com/downloads/documentation/Simul8_User_Guide.pdf
Statcon Softwares. (2020). Stat Fit User Manual. Disponível em:
https://www.statcon.de/shop/media/manuals/statfit.pdf
Banks, J., Carson, J. S., Nelson, B. L., & Nicol, D. M. (2005). Discrete-event system
simulation. Pearson Prentice Hall.
https://repositorio.ufsc.br/bitstream/handle/123456789/177097/TCC%20-%20Michel
%20Angelo%20Mella.pdf?sequence=1&isAllowed=y