Atividade Idef-sim

UNIVERSIDADE FEDERAL DE ITAJUBÁ CAMPUS ITABIRA APLICAÇÃO DE MODELO DE SIMULAÇÃO EM UM POSTO DE GASOLINA ITABIRA 2025 Ca UNIVERSIDADE FEDERAL DE ITAJUBÁ CAMPUS ITABIRA CAMILLA GABRIELLY MATOS 2022009392 IGOR THIERRY BENICIO PENA 2021022970 RODRIGO COSTA DE SOUZA 2024015263 VINICIUS PRADO CARVALHO 2019008974 Apresentação do projeto de simulação em um posto de gasolina da disciplina Simulação da Universidade Federal de Itajubá Campus Itabira para a obtenção de créditos na disciplina Prof Dr Gustavo ITABIRA 2025 Sumário 1Introdução 4 2Desenvolvimento 4 21 Software ARENA5 22 Definição de termos utilizados em simulação 6 23 Entendendo o problema 7 24 Conhecendo o processo 8 25 Modelo de Simulação11 3Análise dos Dados e Resultados 19 4Conclusão 23 Referências 1 Introdução A competitividade no setor de serviços exige das empresas serem eficientes nas suas operações ágeis no atendimento e reduzir o tempo ocioso No caso dos postos de combustíveis essas exigências tornamse relevantes considerando o fluxo contínuo de veículos a limitação de recursos como bombas e frentistas e a necessidade de manter um serviço ágil para fidelização de clientes Por esses motivos compreender seus processos de atendimento tornase essencial A simulação de eventos discretos surge como uma ferramenta eficaz para representar e analisar o funcionamento de sistemas reais permitindo visualizar diferentes cenários operacionais sem alterar o ambiente atual Por meio da simulação podemos identificar gargalos testar alternativas de configuração prever o impacto de mudanças apoiando a tomada de decisões O software Arena amplamente utilizado por engenheiros de produção tem a capacidade de modelar processos complexos de forma intuitiva Ele permite a construção de modelos que representam fielmente a dinâmica de serviços como é o caso desse estudo realizado em um posto de combustíveis Este presente trabalho tem como objetivo desenvolver um estudo de simulação de um posto de combustíveis utilizando o software Arena abordando desde a formulação do problema até a construção dos modelos conceitual computacional e tridimensional com a análise dos dados gerados A proposta é demonstrar como a simulação pode ser aplicada de forma prática para entender e otimizar o funcionamento de um sistema contribuindo para melhoria contínua da operação 2 Desenvolvimento No contexto dos postos de combustíveis que lidam com alta rotatividade de clientes limitação de recursos e variabilidade no atendimento a simulação oferece uma forma segura e eficaz de analisar o desempenho do processo testar melhorias e antecipar os impactos de mudanças operacionais O Arena vai permitir a criação de modelos capazes de representar com precisão o fluxo de entidades veículos os recursos utilizados Bombas e frentistas os tempos envolvidos nas atividades e as interações entre os elementos do sistema A partir de dados coletados em um posto de combustível foi possivel entender o comportamento do sistema real e convertêlo em um modelo conceitual que posteriormente foi transformado em um modelo computacional utilizando os recursos do software Arena Além disso foi explorada a funcionalidade de animação 3D do software proporcionando uma visualização mais intuitiva da operação simulada posteriormente analisamos os resultados obtidos para conclusão do estudo 21 Software arena O Arena é um software de simulação baseado na metodologia de eventos discretos amplamente utilizado para modelar analisar e otimizar sistemas complexos ele oferece uma interface gráfica amigável que permite a construção de modelos por meio de blocos funcionais facilitando tanto a compreensão quanto a implementação dos sistemas simulados O sistema é capaz de representar processos com múltiplas entidades recursos e filas além de permitir a coleta de dados estatísticos detalhados sobre o desempenho do sistema A ferramenta também suporta animações 2D e 3D tornando a simulação mais visual Para este trabalho o Arena foi utilizado para modelar o funcionamento de um posto de combustíveis contemplando a chegada dos veículos o atendimento nas bombas o tempo de abastecimento e a saída do sistema com o uso dos módulos básicos do software Create Process Decide e Dispose foi possível estruturar o fluxo completo do processo A integração com ferramentas gráficas e estatísticas também facilitou a análise dos resultados da simulação Além disso o Arena permite a realização de experimentos com diferentes configurações do sistema como variação no número de bombas alteração nos tempos médios de serviço ou modificação nas taxas de chegada dos veículos Essa flexibilidade é essencial para avaliar alternativas e propor melhorias com base em dados concretos e previsões mais confiáveis 22 Definição de termos utilizados em simulação Para compreensão dos modelos desenvolvidos neste trabalho é essencial a definição de alguns termos básicos amplamente utilizados no contexto da simulação de eventos discretos Esses conceitos são fundamentais para descrever a lógica de funcionamento dos sistemas simulados especialmente quando se utiliza um software de simulação como o Arena Entidade Representa os elementos que percorrem o sistema simulado No contexto deste trabalho as entidades são os veículos que chegam ao posto de combustíveis em busca de atendimento As entidades possuem atributos que podem variar como o tempo de chegada ou o tipo de serviço demandado Recurso Resource São os elementos necessários para o processamento das entidades No modelo de um posto de combustíveis os recursos são as bombas de abastecimento e eventualmente os frentistas responsáveis pelo serviço A disponibilidade dos recursos impacta diretamente no tempo de espera das entidades Fila Queue Local onde as entidades aguardam até que um recurso seja disponível No sistema modelado as filas representam os veículos que esperam por uma bomba livre Evento É qualquer mudança de estado que ocorre no sistema ao longo do tempo como a chegada de um veículo o inicio do abastecimento ou a saída do posto A simulação de eventos discretos é baseada na ocorrência e no agendamento desses eventos Tempo de Simulação Referese ao tempo virtual controlado pelo simulador que avança de evento em evento não de forma contínua Ele permite medir variáveis de desempenho como tempo médio de espera utilização dos recursos e tempo de permanência no sistema Processo Process Representa uma atividade onde há o uso de recursos e consumo de tempo No caso deste estudo o processo principal é o abastecimento do veículo que exige um recurso bomba por um determinado tempo Rota de Decisão Decide Componente que permite criar ramificações no fluxo do modelo com base em condições ou probabilidades É útil por exemplo quando há diferentes tipos de atendimento ou clientes com componentes distintos Saída Dispose Indica a saída das entidades do sistema encerrando seu ciclo de vida dentro do modelo A compreensão desses termos é fundamental para interpretar o funcionamento do modelo construído e para realizar alterações no sistema com o objetivo de analisar melhorias Eles compõem a base conceitual sobre a qual o restante do trabalho foi desenvolvido 23 Entendendo o problema O presente estudo tem como objetivo analisar o desempenho operacional do atendimento de gasolina comum no horário de pico compreendido entre 17h e 19h em um posto de combustíveis da rede utilizando a técnica de simulação de eventos discretos no software Arena A coleta de dados foi realizada diretamente no sistema de gestão do posto WebPosto abrangendo um período de um mês Foram extraídos dados como código dos bicos horários de abastecimento quantidade abastecida código dos frentistas responsáveis e volume de abastecimento por período A utilização de dados reais proporciona maior fidelidade à modelagem e permite uma análise mais precisa da operação O problema observado está relacionado à formação de filas no horário de pico aumento no tempo de espera dos clientes e utilização desigual dos bicos e dos frentistas A capacidade limitada das bombas associada à quantidade de frentistas disponíveis impacta diretamente na qualidade do atendimento podendo gerar insatisfação e evasão de clientes Diante disso o problema consiste em como modelar e simular o atendimento de gasolina comum no horário de pico de forma a compreender os gargalos operacionais validar a capacidade atual e testar cenários alternativos para otimizar o tempo de atendimento e a utilização dos recursos disponíveis 24 Conhecendo o processo O processo de abastecimento no posto de combustíveis analisado foi modelado com base em dados históricos extraídos do sistema de gestão WebPosto abrangendo o mês de maio de 2025 e focando especificamente no horário de pico compreendido entre 17h e 19h Durante esse período foram registrados 3324 abastecimentos o que proporcionou uma amostra estatística robusta para a construção do modelo de simulação O fluxo de chegada dos veículos apresenta características típicas de sistemas de serviço com alta demanda em períodos concentrados Considerando uma distribuição exponencial com média de 09 minuto entre chegadas o intervalo entre a chegada dos veículos é variável mas com tendência a ocorrer em média a cada 09 minuto Antes de direcionar os veículos para os bicos de abastecimento foi realizada uma análise detalhada da demanda por tipo de combustível com o objetivo de compreender o perfil de consumo dos clientes durante o horário de pico Tabela 1 Distribuição percentual de abastecimentos por tipo de combustível Horário de Pico 17h19h Fonte Dados extraídos do sistema WebPosto maio2025 A análise evidencia que a gasolina comum domina amplamente a demanda no horário de pico sendo responsável por mais de 70 de todos os abastecimentos realizados no período Esse resultado é coerente com o perfil de consumo dos clientes da região que em sua maioria optam pela gasolina comum devido ao custobenefício e à ampla disponibilidade O etanol aparece como o segundo combustível mais demandado com 1510 do total de atendimentos refletindo a presença de uma parcela de clientes com veículos flex especialmente em dias de maior vantagem de preço em relação à gasolina A gasolina aditivada representa 857 dos abastecimentos sendo preferida por clientes que buscam maior desempenho ou limpeza interna do motor Já o diesel S10 apesar de atender um público mais específico veículos a diesel como caminhonetes e vans apresentou 137 abastecimentos no pico representando 412 da demanda total Após a definição do tipo de combustível os veículos são direcionados para os bicos de abastecimento específicos de cada produto respeitando as características físicas do pátio e a disponibilidade de bombas para cada combustível É importante destacar que cada tipo de produto é distribuído entre um conjunto específico de bicos sendo que a quantidade de bicos disponível para cada combustível influencia diretamente a formação de filas e o tempo de espera dos clientes A seguir a Tabela 2 apresenta a distribuição percentual dos abastecimentos por bico dentro de cada tipo de combustível considerando exclusivamente o horário de pico 17h19h Tabela 2 Distribuição percentual de abastecimentos por bico dentro de cada tipo de combustível Horário de Pico 17h19h Fonte Dados extraídos do sistema WebPosto maio2025 A análise desses dados demonstra que no caso da gasolina comum a distribuição entre os sete bicos responsáveis pelo produto não é uniforme Os bicos 22743 e 22706 por exemplo concentraram aproximadamente 37 da demanda total de gasolina comum indicando preferência operacional ou facilidade de acesso a essas bombas O etanol por sua vez foi distribuído entre oito bicos diferentes com destaque para os bicos 22740 e 22741 que juntos representaram quase 44 dos atendimentos desse combustível Já a gasolina aditivada com menor participação no volume total foi concentrada principalmente nos bicos 32806 32807 e 32808 sendo que o bico 32808 atendeu 4182 de toda a demanda por aditivada no pico No caso do Diesel S10 a operação foi concentrada em apenas dois bicos sendo o 22756 responsável por 6304 dos abastecimentos do produto Além da distribuição por tipo de combustível e por bico a disponibilidade de recursos humanos em especial a quantidade de frentistas ativos no horário de pico é um fator determinante para o desempenho do processo de abastecimento O posto analisado adota um sistema de escala de trabalho no regime 12x36 o que faz com que a quantidade de frentistas disponíveis varie ao longo dos dias Para o desenvolvimento do modelo de simulação foi realizada uma análise detalhada das escalas de presença dos funcionários ao longo de todo o mês de maio de 2025 considerando apenas o período das 17h às 19h Tabela 3 Quantidade média de frentistas ativos por dia no horário de pico 17h19h Fonte Dados extraídos do sistema WebPosto maio2025 Observase que mesmo com a variação diária o número médio de frentistas em operação no pico foi de aproximadamente 51 funcionários por dia Importante ressaltar que os frentistas no posto não possuem uma bomba fixa de atendimento funcionando em um sistema de atendimento por demanda no qual o frentista disponível se desloca até o próximo veículo na fila ou no pátio conforme a liberação dos bicos Essa dinâmica operacional impacta diretamente a formação de filas e o tempo de espera dos clientes já que a liberação de um bico depende da disponibilidade simultânea de dois fatores Um frentista disponível Um bico livre correspondente ao tipo de combustível demandado Com base na análise detalhada dos dados reais de operação do posto de combustíveis durante o horário de pico foi possível identificar os principais elementos que compõem o processo perfil de demanda por tipo de combustível distribuição de abastecimentos por bico quantidade média de frentistas ativos e tempo médio de atendimento por cliente Essas informações serviram de base para a parametrização do modelo de simulação assegurando que as configurações no software Arena reflitam de maneira fiel a dinâmica real do sistema Dessa forma será possível realizar a simulação com alto grau de aderência à realidade operacional permitindo analisar o desempenho atual do posto e testar possíveis cenários de melhoria com confiança nos resultados obtidos 25 Modelo de Simulação O modelo de simulação do posto de combustíveis foi desenvolvido no software Arena utilizando uma abordagem de eventos discretos para representar o fluxo de veículos desde a sua chegada até a saída do sistema A construção do modelo baseouse nos dados reais de operação do posto durante o horário de pico 17h às 19h conforme detalhado na seção Conhecendo o Processo A estrutura do modelo foi concebida para permitir a análise do desempenho operacional a identificação de gargalos e a avaliação de diferentes cenários 251 Chegada dos Veículos A entrada de entidades no sistema representando os carros foi modelada utilizando o módulo Create Conforme a configuração atualizada da simulação as entidades Chegada de carros são geradas com um Time Between Arrivals Tempo Entre Chegadas do tipo exponencial com média de 09 minuto As Entities per Arrival Entidades por Chegada são de 1 com Max Arrivals Máximo de Chegadas infinito e First Creation Primeira Criação em 00 Esta configuração reflete o fluxo de chegada dos veículos que apresenta características típicas de sistemas de serviço com alta demanda em períodos concentrados Fonte Elaborado pelos autores 2025 252 Controle de Capacidade do Posto Após a chegada os veículos passam por um módulo Seize denominado Capacidade max Este módulo é responsável por alocar um recurso genérico chamado Capacidade do posto que pode representar a capacidade total de atendimento do pátio ou o número de frentistas disponíveis para iniciar o atendimento Fonte Elaborado pelos autores 2025 253 Decisão do Tipo de Combustível O módulo Decide nomeado Decidir qual vai abastecer simula a escolha do cliente pelo tipo de combustível que determina o direcionamento do veículo para a área de abastecimento específica Este módulo opera como um Nway by Chance com as seguintes porcentagens de probabilidade para cada tipo de combustível conforme a Tabela 1 Distribuição percentual de abastecimentos por tipo de combustível Horário de Pico 17h19h Gasolina Comum 7218 Etanol 1510 Gasolina Aditivada 857 Diesel S10 412 Fonte Elaborado pelos autores 2025 As probabilidades refletem a demanda observada no posto durante o horário de pico Após essa decisão os veículos são encaminhados para os respectivos fluxos de abastecimento gasolina Etanol Disel S10 e Gasolina Aditivada culminando em suas respectivas saídas Saida gasolina Saida Etanol Saida S10 Saida aditivada Um caminho Saida do posto e Rua também é visível indicando a saída final do sistema Fonte Elaborado pelos autores 2025 254 Módulos de Abastecimento por Tipo de Combustível O modelo simula os processos de atendimento para cada tipo de combustível de forma segmentada refletindo a disposição física dos bicos no pátio e a distribuição da demanda Cada fluxo de abastecimento é composto por uma série de módulos Process e Dispose Fonte Elaborado pelos autores 2025 Gasolina Comum O fluxo Bombas de gasolina direciona os veículos para um módulo Decide Onde ir abastecendo que simula a escolha do bico com base nas probabilidades detalhadas na Tabela 2 Distribuição percentual de abastecimentos por bico dentro de cada tipo de combustível Horário de Pico 17h19h Os bicos 22743 1892 e 22706 1800 por exemplo concentraram aproximadamente 37 da demanda total de gasolina comum Os veículos são então processados por bicos individuais Bico 1 a Bico 7 onde ocorre o Atendimento Abastecimento e pgto e Finalização abastecimento antes de saírem do sistema por módulos saída correspondentes saída 1 a saída 7 Há também uma opção N quero gasolina para veículos que desistem do abastecimento Fonte Elaborado pelos autores 2025 Etanol Partindo de Bombas de Etanol o módulo Decide Etanol Abastecer distribui os veículos para os bicos com as probabilidades específicas apresentadas na Tabela 2 Destaque para os bicos 22740 2171 e 22741 2211 que juntos representaram quase 44 dos atendimentos de etanol O processo segue com módulos de Atendimento Abastecimento e pgto e Finalização abastecimento para os bicos 8 a 14 e então para as saídas 8 a 14 Há uma opção N quero etanol Fonte Elaborado pelos autores 2025 Gasolina Aditivada O fluxo Bombas aditivada leva ao módulo Decide aditivada Abastecer que direciona os veículos para os bicos com as porcentagens da Tabela 2 O bico 32808 atendeu 4182 de toda a demanda por aditivada no pico sendo preferida por clientes que buscam maior desempenho ou limpeza interna do motor O processo envolve os bicos 15 a 20 com os respectivos Atendimento Abastecimento e pgto e Finalizacao abastecimento culminando nas saídas 15 a 20 Uma opção N quero aditivada também é presente Fonte Elaborado pelos autores 2025 Diesel S10 Iniciando em Bombas s10 o módulo Decide s10 Abastecer encaminha os veículos para os bicos com as probabilidades da Tabela 2 A operação do Diesel S10 foi concentrada em apenas dois bicos sendo o 22756 responsável por 6304 dos abastecimentos do produto O fluxo continua com Atendimento 21 e Atendimento 22 Abastecimento e pgto 21 e Abastecimento e pgto 22 e Finalizacao abastecimento 21 e Finalizacao abastecimento 22 resultando nas saídas 21 e 22 Há também uma opção N quero s10 Fonte Elaborado pelos autores 2025 255 Frentistas como Recurso Compartilhado Apesar de cada bico ser um recurso físico distinto o modelo incorpora a dinâmica dos frentistas como um recurso compartilhado entre as diferentes áreas de abastecimento A quantidade média de frentistas ativos no horário de pico foi de aproximadamente 51 funcionários por dia conforme a Tabela 3 Quantidade média de frentistas ativos por dia no horário de pico 17h19h O modo de operação dos frentistas é caracterizado por um sistema de atendimento por demanda onde os frentistas não estão vinculados a uma bomba fixa Em vez disso o frentista disponível se desloca até o próximo veículo que necessita de atendimento seja na fila ou no pátio Para cada bico ex Bico 1 o processo se inicia com o módulo Seize denominado Atendimento 1 que representa a requisição de um recurso Frentista Esta apreensão do recurso Frentista tem uma prioridade média 2 Uma vez que um frentista esteja disponível o veículo segue para o módulo Delay nomeado Abastecimento e pgto 1 Este módulo simula o tempo de serviço de abastecimento e pagamento modelado por uma distribuição triangular TRIA com parâmetros 4 6 8 minutos Isso significa que o tempo mínimo é de 4 minutos o tempo mais provável é de 6 minutos e o tempo máximo é de 8 minutos Fonte Elaborado pelos autores 2025 Fonte Elaborado pelos autores 2025 Ao finalizar o Abastecimento e pgto 1 o veículo segue para o módulo Release denominado Finalizacao abastecimento 1 Neste ponto os recursos Capacidade do posto e Frentista são liberados tornandoos novamente disponíveis para o próximo veículo em fila Essa liberação simultânea de ambos os recursos frentista e capacidade do posto permite que o próximo veículo seja atendido A liberação de um bico portanto depende da disponibilidade simultânea de um frentista e de um bico livre correspondente ao tipo de combustível demandado Fonte Elaborado pelos autores 2025 3Análise dos Dados e Resultados Cenário 1 Condição Realista 5 Frentistas Este cenário representa a operação diária do posto durante o horário de pico e revela um sistema sob forte pressão Tempo de Espera O tempo médio de espera é extremamente alto chegando a 025 a 033 horas por veículo Isso equivale a aproximadamente 15 a 20 minutos de espera apenas na fila Vazão O sistema consegue processar em média apenas 95 clientes nas duas horas de pico Congestionamento WIP Há um acúmulo significativo de veículos no pátio com uma média de 23 a 31 carros no sistema a qualquer momento A fila na entrada Capacidade maxQueue chega a ter uma média de 13 a 20 carros Utilização dos Frentistas A utilização dos frentistas é altíssima consistentemente acima de 97 Conclusão do Cenário Com 5 funcionários os frentistas são o principal gargalo do sistema Eles estão sobrecarregados o que causa longas filas aumenta drasticamente o tempo de permanência dos clientes e limita a capacidade do posto de atender a demanda resultando em menor faturamento e alta insatisfação Cenário 2 Aumento para 7 Frentistas A adição de dois funcionários transforma completamente a operação do posto resolvendo o gargalo principal Tempo de Espera Ocorre uma redução drástica no tempo de espera médio para aproximadamente 0044 horas ou cerca de 26 minutos uma melhoria de mais de 80 em relação ao cenário anterior Vazão O número de clientes atendidos aumenta significativamente com uma média de 123 veículos concluindo o serviço Congestionamento WIP O número médio de carros no sistema cai para cerca de 10 aliviando o congestionamento no pátio Utilização dos Frentistas A utilização média dos frentistas fica em torno de 89 Isso indica que a equipe ainda é altamente produtiva mas sem a sobrecarga extrema vista no cenário com 5 frentistas Conclusão do Cenário Este cenário parece ser o ponto de equilíbrio ideal O investimento em dois funcionários adicionais se traduz diretamente em um aumento de quase 30 no número de clientes atendidos e uma melhoria radical na experiência do cliente Cenário 3 Aumento para 8 e 9 Frentistas A análise dos cenários com 8 e 9 funcionários demonstra a lei dos retornos decrescentes onde o custo de adicionar mais mão de obra pode não justificar os ganhos marginais de desempenho Com 8 Frentistas Tempo de Espera Cai ainda mais para uma média de 0016 a 0051 horas aproximadamente 1 a 3 minutos Vazão Aumenta ligeiramente para uma média de 125 veículos atendidos Com 9 Frentistas Tempo de Espera Tornase praticamente insignificante com médias muito baixas de 0003 a 0015 horasmenos de 1 minuto Vazão Aumenta para uma média de 130 veículos atendidos Conclusão do Cenário Adicionar um oitavo ou nono frentista continua a reduzir o tempo de espera mas o impacto na vazão número de carros atendidos é mínimo em comparação com o salto visto de 5 para 7 frentistas Isso sugere que com 8 ou mais funcionários o gargalo do sistema deixa de ser a mão de obra e passa a ser outro fator como o número de bombas disponíveis ou o tempo do ciclo de abastecimento e pagamento 31 Análise Comparativa e Recomendação Para visualizar o impacto de cada cenário os dados foram compilados e plotados Fonte Elaborado pelos autores com base nos resultados da simulação 2025 Fonte Elaborado pelos autores com base nos resultados da simulação 2025 Impacto no Tempo de Espera O gráfico de barras mostra claramente a redução massiva no tempo de espera ao passar de 5 para 7 frentistas As reduções subsequentes embora presentes são muito menos pronunciadas Impacto na Vazão Veículos Atendidos O gráfico de vazão ilustra o grande salto de produtividade ao passar de 5 para 7 frentistas Após 7 a curva de crescimento se achata indicando que adicionar mais pessoal gera um retorno cada vez menor no número de clientes atendidos 32 Recomendação Final A análise comparativa dos dados ilustrada graficamente reforça as conclusões O gráfico de impacto no tempo de espera demonstra a redução massiva e mais significativa ao passar de cinco para sete frentistas com as melhorias subsequentes sendo muito menos pronunciadas De forma análoga o gráfico de vazão evidencia que o grande salto de produtividade ocorre na mesma transição com a curva de crescimento achatandose visivelmente a partir de sete funcionários indicando que o custo de pessoal adicional não gera um retorno proporcional em volume de atendimento Diante do exposto a simulação fornece evidências robustas para suportar uma recomendação estratégica A alteração do quadro de funcionários para sete frentistas durante os horários de pico representa a decisão de maior impacto e melhor relação custobenefício Esta medida é capaz de resolver os longos tempos de espera aumentar a capacidade de faturamento e melhorar substancialmente a satisfação e a fidelização dos clientes estabelecendo um novo e mais eficiente padrão operacional para o posto de combustíveis 4 Conclusão O presente estudo demonstrou com sucesso a aplicação da simulação de eventos discretos utilizando o software Arena para analisar e otimizar o processo de atendimento em um posto de combustíveis durante o horário de pico 17h19h A partir de dados reais de operação extraídos do sistema WebPosto foi possível construir um modelo computacional fidedigno que representou a chegada de veículos a demanda por tipo de combustível a utilização dos bicos e a dinâmica de trabalho dos frentistas A análise do cenário base correspondente à operação real com uma média de cinco frentistas revelou um sistema sobrecarregado cujo principal gargalo é a disponibilidade de mão de obra Este cenário é caracterizado por longuíssimos tempos de espera 15 a 20 minutos intenso congestionamento de veículos e uma limitação na vazão de clientes atendidos que impacta negativamente tanto a satisfação do consumidor quanto o faturamento do posto A simulação de cenários alternativos demonstrou que o aumento do quadro de funcionários para sete frentistas promove uma melhoria drástica no desempenho operacional Nesse cenário o tempo médio de espera é reduzido em mais de 80 para aproximadamente 26 minutos e a vazão de veículos aumenta em quase 30 Os cenários com oito e nove frentistas embora apresentem melhorias incrementais no tempo de espera demonstram a lei dos retornos decrescentes com ganhos marginais de vazão que dificilmente justificam o custo adicional Portanto a simulação fornece evidências robustas para recomendar estrategicamente o ajuste do quadro para sete frentistas durante os horários de pico Esta alteração representa a solução com a melhor relação custobenefício capaz de resolver o congestionamento aumentar a capacidade de faturamento e fundamentalmente melhorar a experiência e a fidelização dos clientes estabelecendo um padrão operacional mais eficiente e competitivo para o posto Referências 1925 Simulação N2 OK Figura 2 Exemplo do modelo do método IDEFSim Fonte Gomes e Praia 2015