UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE TECNOLOGIA
MESTRADO EM TECNOLOGIA
Felipe Penteado Santana
Limeira, SP
2017
ESTUDO DE PROCESSOS DE ATENDIMENTO EM AEROPORTOS
POR MEIO DE SIMULAÇÕES POR EVENTOS DISCRETOS
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE TECNOLOGIA
FELIPE PENTEADO SANTANA
ESTUDO DE PROCESSOS DE ATENDIMENTO EM AEROPORTOS
POR MEIO DE SIMULAÇÃO POR EVENTOS DISCRETOS
Dissertação apresentada ao curso de mestrado em
tecnologia e inovação da Faculdade de Tecnologia da
Universidade Estadual de Campinas, como requisito para
a obtenção do título de mestre em Tecnologia, na Área
Sistemas de Informação e Comunicação.
Orientador: Prof. Dr. Varese Salvador Timóteo
Coorientador: Prof. Dr. Edson Luiz Ursini
Este exemplar corresponde à versão
final da dissertação defendida pelo
aluno Felipe Penteado Santana, e
orientado pelo Prof. Dr. Varese
Salvador Timóteo.
Limeira, SP
2017
FOLHA DE APROVAÇÃO
Abaixo se apresentam os membros da comissão julgadora da sessão pública de defesa de dissertação para o Título de MESTRE em Tecnologia na área de concentração de AB - Sistemas de Informação e Comunicação, a que submeteu o aluno FELIPE PENTEADO SANTANA, em 13 de junho de 2017 na Faculdade de Tecnologia- FT/ UNICAMP, em Limeira/SP.
Prof. Dr. Varese Salvador Timóteo Presidente da Comissão Julgadora
Prof. Dr. Paulo Sérgio Martins Pedro FT/ UNICAMP
Prof. Dr. Omar Carvalho Branquinho PUC/ CAMPINAS
A Ata da defesa com as respectivas assinaturas dos membros encontra-se no processo de vida acadêmica da aluna na Universidade.
Dedicatória
Agradecimento
Agradeço primeiramente a minha esposa Taís, minha mãe Luciane e toda minha família pelo apoio incondicional durante o desenvolvimento dessa pesquisa e todo processo anterior.
Ao meu orientador, Prof. Dr. Varese Salvador Timóteo, pelo apoio e confiança desde nosso primeiro contato.
Ao meu coorientador, Prof. Dr. Edson Luiz Ursini, pelo fundamental apoio desde o início de todo o projeto.
Aos examinadores, Prof. Dr. Paulo Sergio Martins Pedro e Prof. Omar Carvalho Branquinho, pela avaliação do trabalho.
Aos docentes da Faculdade de Tecnologia (FT) e da UNICAMP que contribuíram para minha formação.
À empresa SITA, pelas essenciais contribuições com sua experiencia e informações de seus processos.
À secretaria da pós-graduação, pelos esclarecimentos das dúvidas e pelo apoio.
Aos amigos, colegas e colaboradores que conheci nas disciplinas cursadas durante o mestrado.
Resumo
O estudo tem como objetivo estabelecer um comparativo entre diferentes tecnologias disponíveis dentro do setor aéreo especificamente no check-in. Diferentes métodos estatísticos são abordados contando também com a aplicação da simulação por eventos discretos através de modelo computacional.
A simulação de processos por modelos computacionais tem se mostrado a cada dia uma etapa essencial, isso se deve aos benefícios apresentados como, redução de tempo de planejamento, fidelidade com os resultados reais, possibilidade de testar diferentes configurações em um mesmo modelo rapidamente e sem custos elevados, possibilidade de observação do comportamento do processo por longos períodos, identificação facilitada de gargalos e problemas antes mesmo da construção do processo.
Dentro das possibilidades de aplicação de tecnologias ao processo de check-in, são simulados e dimensionados com as técnicas/tecnologias oferecidas pela empresa fornecedora de processos e serviços para setor aéreo SITA. Os processos/técnicas em questão são: atendimento compartilhado, self check-in, self bagdrop, incluindo as combinações de utilização simultânea de mais de um processo/técnicas.
Fica comprovado o aumento da capacidade operacional propiciado pelos processos onde a aplicação de novas técnicas/tecnologias se faz presente. Dessa maneira, esta abordagem possibilita um melhor aproveitamento de uma área nobre dentro dos aeroportos e posterga a necessidade de sua expansão estrutural.
Palavras-chave: Simulação de eventos discretos; Aeroportos – Planejamento; Simulação (Computadores); Administração - Métodos de simulação; Teoria das filas.
Abstract
The study aims to establish a comparison between different technologies available within the airline industry specifically at check-in. Different statistical methods are approached, also counting on the application of the simulation by discrete events through a computational model.
The simulation of processes by computer models has been shown every day an essential step, this is due to the benefits presented as, reduction of planning time, fidelity to the actual results, possibility to test different configurations in a same model quickly and without costs high levels, possibility of observation of the behavior of the process for long periods, easy identification of bottlenecks and problems even before the process construction.
Within the possibilities of applying technologies to the check-in process, they are simulated and dimensioned with the techniques / technologies offered by the SITA company providing processes and services for the aviation industry. The processes / techniques in question are: shared attendance, self check-in, self bagdrop, including combinations of simultaneous use of more than one process / techniques.
It is proven the increase of the operational capacity provided by the processes where the application of new techniques / technologies is present. In this way, this approach allows a better use of a noble area within the airports and postpones the need for its structural expansion.
Keywords: Discrete event simulation; Airports – Planning; Computer simulation; Management - Simulation methods; Queuing theory.
Lista de ilustrações
Figura 1 RPX x GDP (TYLER, 2016) --- 19
Figura 2 Crescimento planejado 2035 (IATA, 2016b) --- 21
Figura 3 Benefícios da modernização do setor aéreo esperado até 2035 (IATA, 2016b) --- 22
Figura 4 Crescimento esperado setor aéreo até 2030 (AIRBUS, 2016) --- 24
Figura 5 Volume de trafego atual e esperado para 2035 por região (AIRBUS, 2016) --- 24
Figura 6 Crescimento das rotas existentes até 2035 e o desenvolvimento de novas rotas. (AIRBUS, 2016) --- 25
Figura 7 Fluxograma de materiais utilizados --- 31
Figura 8 Fluxograma etapas do desenvolvimento --- 33
Figura 9 Fluxograma emulação dado originais --- 34
Figura 10 Bloco Create Arena--- 37
Figura 11 Setup bloco Create--- 37
Figura 12 Bloco Decide --- 38
Figura 13 Setup bloco “Decide” --- 38
Figura 14 Bloco Process --- 39
Figura 15 Setup bloco “Process” --- 39
Figura 16 Bloco “Dispose” --- 40
Figura 17 Categoria de blocos “Support” --- 40
Figura 18 Setup bloco Chance categoria Support --- 41
Figura 19 Fluxograma empresas A exclusivamente com blocos Basic Process --- 42
Figura 20 Fluxograma empresas B exclusivamente com blocos Basic Process --- 44
Figura 21 Run Setup empresa B exclusivamente com Basic Process --- 45
Figura 22 Fluxograma empresas C exclusivamente com blocos Basic Process --- 45
Figura 23 Run Setup empresa C exclusivamente com Basic Process --- 46
Figura 24: Fluxograma resumido Empresa A com blocos compostos. --- 55
Figura 25: Detalhe empresa A submodel com blocos compostos --- 55
Figura 26: Fluxograma resumido Empresa B com blocos compostos --- 56
Figura 27: Detalhe empresa B submodel com blocos compostos --- 56
Figura 28: Fluxograma resumido Empresa C com blocos compostos --- 56
Figura 30: Configuração Run Setup 100 replicações blocos compostos --- 57
Figura 31 Recomendação Arena de blocos indicados para uso --- 60
Figura 32 Fluxo check-in compartilhado SITA --- 67
Figura 33 Bloco PickStation --- 68
Figura 34 Bloco Assign --- 68
Figura 35 Setup simulação empresas A, B e C atendimento compartilhado --- 69
Figura 36 Modelo self check-in com self bag-drop com advanced transfer --- 76
Figura 37 Setup sistema das empresas A, B e C com self check-in compartilhado e bagdrop 77 Figura 38 Modelo empresa A self bagdrop advanced transfer --- 83
Figura 39 Modelo empresa B self bagdrop advanced transfer --- 83
Figura 40 Modelo empresa C self bagdrop advanced transfer --- 84
Figura 41 Modelo empresas A, B e C com a utilização de check-in --- 88
Figura 42 Setup simulação empresas A, B e C com check-in compartilhado e self bagdrop - 89 Figura 43 Fluxograma otimizado Empresa B com blocos simples --- 98
Figura 44 Entidades sistema In x Out --- 103
Lista de tabelas
Tabela 1 Parâmetros empresas A, B e C (MARTINS et al., 2009) --- 30
Tabela 2 Média saída empresa A exclusivamente com basic process --- 47
Tabela 3 Média saída empresa B exclusivamente com basic process --- 47
Tabela 4 Média saída empresa C exclusivamente com basic process --- 47
Tabela 5 Entradas no sistema empresa A por entidade exclusivamente com basic process--- 48
Tabela 6 Entradas no sistema empresa B por entidade exclusivamente com basic process --- 48
Tabela 7 Entradas no sistema empresa C por entidade exclusivamente com basic process --- 48
Tabela 8 Saídas empresa A por entidade exclusivamente com basic process --- 49
Tabela 9Saídas empresa B por entidade exclusivamente com basic process --- 49
Tabela 10 Saídas empresa C por entidade exclusivamente com basic process --- 49
Tabela 11 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa A --- 50
Tabela 12 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa B --- 50
Tabela 13 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa C --- 50
Tabela 14 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa A --- 51
Tabela 15 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa B --- 51
Tabela 16 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa C --- 51
Tabela 17 Ocupação dos processos de atendimento empresa A --- 52
Tabela 18 Ocupação dos processos de atendimento empresa B --- 52
Tabela 19 Ocupação dos processos de atendimento empresa C --- 53
Tabela 20: Relatório “Queue” empresas A, B e C blocos compostos --- 58
Tabela 21: Relatório “Scheduled Utilization” empresas A, B e C blocos compostos --- 58
Tabela 22 Número de saídas total empresas A.B e C exclusivo basic process --- 60
Tabela 24 Número total de entrada por entidade no sistema empresas A, B e C exclusivo basic process --- 61 Tabela 25 Número total de entrada por entidade no sistema empresas A, B e C com advanced transfer --- 61 Tabela 26 Número total de saída por entidade no sistema empresas A, B e C exclusivo basic process --- 62 Tabela 27 Número total de saída por entidade no sistema empresas A, B e C com advanced transfer --- 62 Tabela 28 Tempo médio de espera por fila no sistema empresas A, B e C basic process --- 63 Tabela 29 Tempo médio de espera por fila no sistema empresas A, B e C com advanced transfer --- 63 Tabela 30 Número médio de passageiros por fila no sistema empresas A, B e C basic process --- 63 Tabela 31 Número médio de passageiros por fila no sistema empresas A, B e C com advanced transfer --- 64 Tabela 32 Ocupação média por processo no sistema empresas A, B e C basic process --- 64 Tabela 33 Ocupação média por processo no sistema empresas A, B e C com advanced transfer --- 65 Tabela 34 Quantidade de saídas simulação empresas A, B e C com atendimento compartilhado --- 69 Tabela 35 Quantidade de entradas por entidade simulação empresas A, B e C com atendimento compartilhado--- 70 Tabela 36 Quantidade de saídas por entidade simulação empresas A, B e C com atendimento compartilhado--- 70 Tabela 37 Tempo médio de espera para a simulação empresas A, B e C com atendimento compartilhado--- 71 Tabela 38 Quantidade média de passageiros em fila simulação empresas A, B e C com atendimento compartilhado --- 72 Tabela 39 Ocupação média por fila simulação empresas A, B e C com atendimento compartilhado--- 73 Tabela 40 Gráfico de ocupação média por fila simulação empresas A, B e C com atendimento compartilhado--- 73
Tabela 41 Legenda gráfico ocupação média por fila simulação empresas A, B e C com atendimento compartilhado --- 74 Tabela 42 Quantidade de saídas total do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 77 Tabela 43 Quantidade de entradas por entidade do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 78 Tabela 44 Quantidade de saídas por entidade do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 78 Tabela 45 Tempo médio de espera por servidor do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 79 Tabela 46 Quantidade média de passageiros por servidor do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 80 Tabela 47 Ocupação média dos servidores do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 81 Tabela 48 Gráfico Ocupação média dos servidores do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 81 Tabela 49 Legenda gráfico de ocupação média dos servidores do sistema das empresas A, B e C com self check-in compartilhado e bagdrop --- 82 Tabela 50 Número de entradas total empresas A,B e C self bagdrop com advanced transfer 84 Tabela 51 Número total de entradas por entidade empresas A, B e C self bagdrop com advanced transfer --- 84 Tabela 52 Número total de saídas por entidade empresas A, B e C self bagdrop com advanced transfer --- 85 Tabela 53 Tempo de espera médio por processo empresas A, B e C self bagdrop com advanced transfer --- 85 Tabela 54 Número médio de passageiros em espera por processo empresas A, B e C self bagdrop com advanced transfer --- 86 Tabela 55Número total de entradas por entidade empresas A, B e C self bagdrop com advanced transfer --- 86 Tabela 56 Quantidade média de saídas do modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 89 Tabela 57 Quantidade média de entradas por entidade no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 90
Tabela 58 Quantidade média de saídas por entidade no modelo simulado empresas A, B e C
com check-in compartilhado e self bagdrop --- 90
Tabela 59 Tempo médio de espera por servidor no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 91
Tabela 60 Quantidade média de pôr entidade no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 92
Tabela 61 Ocupação média por fila no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 93
Tabela 62 Gráfico ocupação média por fila no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 93
Tabela 63 Legenda gráfico ocupação média por fila no modelo simulado empresas A, B e C com check-in compartilhado e self bagdrop --- 94
Tabela 64: Número de balcões por empresa artigo base. --- 95
Tabela 65: Número de balcões necessários para um correto atendimento com blocos simples --- 95
Tabela 66 Relatório Queue empresa A blocos simples --- 96
Tabela 67 Relatório Queue empresa B blocos simples --- 96
Tabela 68 Queue empresa C bloco simples --- 97
Tabela 69 Relatório Queue empresa B alterado blocos simples --- 99
Tabela 70 Comparativo entre cenários com diferentes processos--- 100
Tabela 71 Comparativo de capacidade de procedimento entre os cenários --- 100
Tabela 72 Evolução do setor aéreo Anuário ANAC(ANAC, 2016) --- 101
Tabela 73 Gráfico evolução do setor aéreo Anuário ANAC(ANAC, 2016) --- 102
Lista de abreviações e siglas
ASK Available Seat Kilometers
GDP Gross Domestic Product
GDS Global Distribution System
HMM Hora de Maior Movimento
IATA International Air Transport Association
IC Intervalo de chagada
IoT Internet Of Things
RFID Radio-Frequency Identification
RPK Revenue Passenger Kilometers
SITA Société Internationale de Télécommunications Aéronautiques
TA Tempo de Atendimento
TPS Terminal de Passageiros
Sumário FOLHA DE APROVAÇÃO ... 4 Dedicatória... 5 Agradecimento... 6 Resumo ... 7 Abstract ... 8 Lista de ilustrações ... 9 Lista de tabelas ... 11
Lista de abreviações e siglas ... 15
Sumário ... 16
1 Introdução ... 19
1.1 Aeroportos e setores de check-in ... 21
1.2 Crescimento do setor aéreo mundial ... 24
1.3 Benefícios da modernização do setor aéreo ... 25
1.4 Simulações por modelo computacional ... 26
2 Teoria e metodologia ... 29
2.1 Materiais utilizados ... 31
2.2 Etapas para o desenvolvimento do projeto ... 32
3 Emulação dos dados amostrais ... 34
3.1 Processo de emulação dos Empresa B com base nas distribuições de probabilidade com Matlab ... 35
3.2 Aplicação dos dados emulado com Matlab no Input Analyzer Arena ... 36
3.2.1 TA Check-in Preferencial - NORM (3,01; 1,25) ... 36
3.2.2 Distribuições de probabilidade descartadas TA Check-in Preferencial ... 36
4 Simulação software Arena ... 37
4.2 Verificação e validação do modelo ... 54
4.3 Resultados obtidos com blocos complexos common ... 54
5 Tecnologias aplicáveis ao setor de "Check-in" ... 59
5.1 Check-in compartilhado ... 66
5.2 Self Check-in com self bagdrop ... 74
5.3 Self bagdrop ... 82
5.4 Atendimento compartilhado com self bagdrop ... 86
5.5 Simulação do artigo base modificado com blocos simples ... 94
5.5.1 Redução dos tempos de fluxo de filas ... 97
6 Comparação entre os diferentes processos de atendimento... 100
7 Crescimento do setor aéreo... 101
8 Conclusões e observações ... 103
Referências ... 107
APÊNDICE A Código emulação de dados Matlab ... 111
APÊNDICE B Tabela valores entradas empresa B Matlab ... 112
APÊNDICE C Gráfico distribuição Normal check-in preferencial ... 116
APÊNDICE D Teste aderência KS e Qui-quadrado input analyzer distribuição normal check-in preferencial ... 117
APÊNDICE E Erro quadrático médio distribuições testadas Input Analyzer ... 118
APÊNDICE F Distribuição BETA ... 119
APÊNDICE G Distribuição WEIBULL ... 120
APÊNDICE H Distribuição GAMMA ... 121
APÊNDICE I Distribuição ERLANG ... 122
APÊNDICE J Distribuição LOGNORMAL... 123
APÊNDICE K Distribuição TRIANGULAR ... 124
APÊNDICE L Distribuição UNIFORM ... 125
APÊNDICE N Categoria de blocos Basic Process ... 127
APÊNDICE O Setup bloco Process atendimento comum empresa A ... 128
APÊNDICE P Setup bloco Process atendimento preferencial empresa A ... 129
APÊNDICE Q Run Setup empresa A exclusivamente com Basic Process ... 130
APÊNDICE R Setup atendimento normal empresa B exclusivamente com Basic Process ... 131
APÊNDICE S Setup atendimento especial empresa B exclusivamente com Basic Process.. 132
APÊNDICE T Setup atendimento preferencial empresa B exclusivamente com Basic Process ... 133
APÊNDICE U Setup atendimento totem empresa B exclusivamente com Basic Process ... 134
APÊNDICE V Setup atendimento normal empresa C exclusivamente com Basic Process .. 135
APÊNDICE X Setup atendimento preferencial empresa C exclusivamente com Basic Process ... 136
APÊNDICE Z Categoria de blocos Advanced Transfer ... 137
APÊNDICE AA Setup PickStation ... 138
APÊNDICE BA Setup 1 assign ... 139
1 Introdução
De acordo com o relatório anual de 2016 IATA (International Air Transport
Association) representante de 265 companhias aéreas, quase 150 stakeholders e 83% do trafego
aéreo mundial, totalizando 3.545.000.000 passageiros durante o ano de 2016. O crescimento da taxa de quilômetros viajados por passageiro, RPK, no ano de 2015, após uma longa queda desde 2011, vem para enfatizar a volta do crescimento do setor aéreo colocando novamente em questão as medidas necessárias para uma melhor utilização da estrutura já existente ou ampliação da estrutura física dos aeroportos (TYLER, 2016).
Podemos verificar a relação entre o indicador de quilômetros por passageiro e o produto interno bruto mundial de acordo com gráfico abaixo, Figura 1.
Figura 1 RPX x GDP (TYLER, 2016)
O setor aéreo brasileiro em especial de acordo com o Portal Brasil baseado nas principais agencia nacionais e internacionais, mesmo dentro da grave crise econômica brasileira, apresenta no ano de 2014 apresentou um crescimento 3,5 vezes maior que o PIB brasileiro e 14 vezes o crescimento populacional (PORTAL BRASIL, 2014).
Já em 2015, segunda a ANAC, vemos no primeiro trimestre um crescimento de quase 5% em relação ao mesmo período de 2014, consolidado o continuo crescimento do setor aéreo brasileiro mesmo em meio a profunda recessão (ASSESSORIA DE IMPRENSA; SECRETARIA DE AVIAÇÃO CIVIL, 2015).
Este trabalho visa o estudo da infraestrutura devido ao impacto que esse setor tem em todos os demais processos. Em relatório consolidado do setor de transporte aéreo brasileiro desenvolvido pela McKinsey & Company do Brasil em parceria com a Fundação Casimiro de Montenegro Filho apara o Banco Nacional de Desenvolvimento coloca como primeiro e principal indicador a avaliação de capacidade operacional dos principais aeroportos quanto a infraestrutura, destacando mais uma vez sua importância (MCKINSEY & COMPANY, 2010). O estudo visa a verificação dos reais impactos que as novas tecnologias podem gerar um cenário real de um aeroporto brasileiro, mais especificamente no fluxo de passageiros na área de check-in.
Para testar em um cenário que representou uma realidade (MARTINS et al., 2009), foram utilizados os dados do aeroporto Eurico de Aguiar Salles em Vitória – ES (VIX). Esses dados foram a referência para a validação do primeiro modelo de simulação por eventos discretos. Com o modelo validado, outras situações puderam ser validadas.
(ROBINSON, 2004), coloca em seu livro a possibilidade da gerência de um aeroporto ser dimensionando os benefícios de um novo terminal. Inúmeras escolhas podem ser tomadas como, o número de balcões de check-in dedicados a cada companhia aérea, o tamanho do sistema de manuseio de bagagem entre outras variáveis encontradas em um aeroporto. Além disso, o número de funcionários empregados e os turnos que devem trabalhar precisam ser determinados. A modelagem, simulação e análise podem indicar o dimensionamento correto de inúmeras variáveis encontradas em um aeroporto, auxiliando assim as tomadas de decisão gerenciais.
No capítulo 2 são descritas a teoria e a metodologia do trabalho, no capitulo 3 é descrito processo de obtenção das amostras com base nas distribuições, no capitulo 4, são especificados os detalhes do desenvolvimento do modelo juntamente com as variação de ferramenta de simulação, no capitulo 5, são definidas as tecnologias para aumento da capacidade de processamento nos servidores dos processos, com apresentação de resultados, no capitulo 6, são apresentados os resultados gerais com comparação entre os processos, nos capítulos 7 e 8, são apresentados os indicadores de comparação da capacidade de processamento com o crescimento do setor aéreo e posterior conclusão da pesquisa.
1.1 Aeroportos e setores de check-in
O setor aéreo vem crescendo mundialmente a taxa de 6% ao ano. Em várias partes do mundo inúmeros aeroportos já operam quase com capacidade máxima e o grande problema é que na maioria dos casos a distribuição dos recursos é gerida de maneira ineficiente, causando superlotação em alguns pontos e ociosidade em outros, nascendo assim a necessidade de ferramentas que possam auxiliar e até automatizar tal distribuição. A aplicação de novas técnicas e tecnologias deve ser vista com essencial e urgente no cenário atual, a fim de manter o correto funcionamento do setor aéreo, com um bom nível de satisfação dos utilizadores do mesmo (LAIK; CHOY; SEN, 2014).
Atualmente o setor aéreo representa na Europa 4,1% do PIB e suporte cerca de 12 milhões de empregos dentro do continente europeu. Com a modernização do setor aéreo é esperado um crescimento de cerca de 1 milhão de empregos diretos e indiretos e um acréscimo de 245 bilhões de Euros como mostrado na Figura 2 (IATA, 2016b).
Figura 2 Crescimento planejado 2035 (IATA, 2016b)
Ainda dentro do planejamento estratégico europeu definido pelo relatório anual IATA com as metas para o ano de 2035, são mostrados na Figura 3, os números esperados.
Figura 3 Benefícios da modernização do setor aéreo esperado até 2035 (IATA, 2016b)
Tradicionalmente, o check-in é composto por funcionários de empresas aéreas que verificam os bilhetes aéreos dos passageiros e seus documentos de viagem, em seguida, é emitindo o cartão de embarque e a etiqueta de bagagem. Com a introdução do bilhete eletrônico pela United Airlines em 1994, várias opções de autoatendimento passaram a serem oferecidas. Atualmente são oferecidos por meio de um dos seguintes canais: dedicado, uso comum automatizado (comumente referido como totens) ou on-line (processo realizado pela internet). O uso comum (totem) é um exemplo notável do recém desenvolvido Common Use Passenger
Processing System (Cupps). A tecnologia de check-in online foi lançada em meados 2000 e
desde então aliviou enormemente as filas de passageiros nos setores de check-in dos aeroportos (KALAKOU; PSARAKI-KALOUPTSIDI; MOURA, 2015).
Nos últimos anos, a tendência de misturar nas mesmas empresas aeroportos de luxo e de baixo custo tem afetado as operações dos aeroportos, salientando as verificações de segurança em particular. Na verdade, as empresas de baixo custo forçam os aeroportos a adicionar regras extras e rigorosas para a modalidade de bagagem de mão, com verificações adicionais nos portões de segurança, introduzindo atrasos para todos os passageiros, incluindo os clientes de classes de luxo. Além disso, as recentes alterações às regras de subsídio de bagagem de mão introduzida pelas companhias aéreas estão forçando a gestão das operações aeroportuárias a pensar em novas estratégias para automatizar todo o processo de verificação de segurança (PERBOLI et al., 2014).
O setor aéreo brasileiro vem se deparando com altas taxas de crescimento nos últimos dez anos, crescimento esse causado pelo desenvolvimento econômico do país e a realização de grandes eventos internacionais como a Copa do Mundo FIFA 2014 e os jogos Olímpicos de 2016. Acredita-se que nos próximos anos o tráfego aéreo no Brasil irá se igualar aos encontrados em países desenvolvidos (ARAUJO; REPOLHO, 2015).
Ainda de acordo com Araújo e Repolho, 2015, os setores de check-in e os processos posteriores possuem importância chave dentro do correto funcionamento dos aeroportos. Geralmente o setor de check-in ocupa grande parte da área dos aeroportos, assim causando grande impacto econômico devido aos autos custos envolvidos nas operações desse setor. É observado que grande parte dos aeroportos já se encontra com limite de capacidade, área essa ocupada pelo check-in que poderia ser ocupada com a criação de novas fontes de renda, otimizando assim espaços nobres nos centros dos aeroportos. Uma correta utilização do espaço poderia influenciar diretamente os custos operacionais direcionando para uma redução dos mesmos, causando um aumento da lucratividade e até mesmo uma diminuição dos valores cobrados aos clientes das companhias aéreas (ARAUJO; REPOLHO, 2015).
Araújo e repolho, 2014, em sua pesquisa, visa calcular o menor espaço possível a ser destinado ao setor de check-in, a fim de minimizar os custos operacionais, garantindo um determinado nível de qualidade de serviço. Assim maximizando a receita dos aeroportos e companhias aéreas (ARAUJO; REPOLHO, 2014).
Assim podemos verificar as tendências de automatização do setor de check-in aeroportuário, por se tratar de um dos mais críticos setores e também pelo mesmo estar diretamente ligado ao nível de satisfação do cliente.
Identificar os indivíduos no check-in e antes de embarcarem em um avião é extremamente importante para garantir viagens aéreas seguras. Desse modo se faz essencial a utilização de tecnologia de ponta para o correto e seguro funcionamento desse importante setor do setor aéreo (HEADQUARTERS, 2005).
1.2 Crescimento do setor aéreo mundial
Em seu mais recente relatório de previsão do mercado mundial, 2016 – 2032, para o setor aéreo mundial, a empresa Airbus, define em seu mapeamento de demanda um cenário altamente promissor, Figura 4, no qual nos próximos 15 anos teremos os atuais 6.000.000.000.000/ano de RPK chegando em aproximadamente 12.000.000.000.000/ano. No mesmo relatório é dado ênfase ao mercado brasileiro, Figura 5, o colocando entre as principais potencias aéreas mundiais com a perspectivas de crescimento de 2,6 vezes nos próximos 20 anos (2015-2035). Verificando assim mais uma vez a franca expansão do setor aéreo mundial e nacional brasileiro, mais uma vez indicando a relevâncias de pesquisas aplicadas ao setor aéreo (AIRBUS, 2016).
Figura 4 Crescimento esperado setor aéreo até 2030 (AIRBUS, 2016)
1.3 Benefícios da modernização do setor aéreo
De acordo com relatório apresentado em jun./2016 pela IATA são estimadas algumas tendências de ganhos com a modernização do setor aéreo é esperada até 2035 uma redução ao consumidor de 11 bilhões de Euros com a redução dos preços das passagens, 5 bilhões de Euros com a redução do tempo das viagens e com a redução dos atrasos e 19 bilhões de Euros com ganhos obtidos com a conectividade (IATA, 2016b).
De acordo com relatório Airbus, 2016, de todo o crescimento esperado para o cenário mundial 70%, Figura 6, serão oriundos de redes de tráfego aéreo já existentes. Desse modo se faz necessário o investimento em infraestrutura e melhor aproveitamento dos recursos já existentes em todas as etapas envolvidas no transporte aéreo de passageiros e cargas (AIRBUS, 2016).
Figura 6 Crescimento das rotas existentes até 2035 e o desenvolvimento de novas rotas. (AIRBUS, 2016)
1.4 Simulações por modelo computacional
De acordo com SHANNON (1998), a simulação é uma das mais importantes ferramentas de gestão e tomada de decisão, que auxilia em todos os tipos de processo, mas tem mais impacto em processos e sistemas de alta complexidade, ambientes esses que muitas vezes tornam impossíveis as aplicações de testes devido aos altos riscos envolvidos nas operações experimentais. Além de minimizar os riscos em testes, a simulação tem cada dia maior peso devido também à alta competitividade do mercado, auxiliando na tomada de decisões em casos de crise em processos produtivos. O grande desafio da simulação é criar um modelo que reproduza as condições mais próximas da realidade, a fim de reproduzir corretamente o comportamento do sistema simulado, uma vez que as simulações podem ser realizadas para representar longos períodos de tempo, prevendo assim problemas futuros instantaneamente (SHANNON, 1998).
As vantagens da utilização da simulação são claras e mais uma vez defendidas por Freitas, 2008, que em seu livro expõe inúmeros pontos favoráveis e também desfavoráveis. Temos como pontos positivos a vantagem de ter a possibilidade de analisar e estudar um sistema sem que o mesmo sofra qualquer tipo de perturbação, analisar e estudar sistemas que ainda não existem, sabendo previamente possíveis problemas do mesmo. O mesmo modelo pode ser exposto a diferentes variáveis a fim de averiguar as interações que podem ocorrer, fácil identificação de gargalos e como o autor mesmo afirma responder à pergunta chave sobre qualquer sistema: “O que aconteceria se? ”. Freitas ainda expõe os pontos negativos quanto à simulação como: a necessidade de treinamento especializado, resultados de difícil interpretação e a necessidade de grande investimento de tempo devido à complexidade de criação dos modelos computacionais (FREITAS FILHO, 2008).
A simulação é composta por diversas fases, entre elas a modelagem do sistema em questão onde necessariamente deve conter representação gráfica e interativa, obrigatoriamente estar em constante desenvolvimento devido a necessidade de refinamento, atualização e ampliação que normalmente ocorrem nos sistemas representados. Uma das vantagens do modelo computacional é justamente a facilidade com que novas configurações e incontáveis possibilidades de alterações e interações as quais podem ser testadas com quase que total ausência de risco. As ferramentas de otimização de filas e filtros disponíveis na maioria dos simuladores também é uma característica imprescindível (BANKS, 1998).
O processo de modelagem não trata apenas de replicar a realidade com o máximo de semelhança dentro da simulação, e sim de como identificar os fatores chaves e de como estes fatores interagem com o todo. A visão holística do processo se torna primordial nessa etapa, é importante salientar esse ponto devido a, geralmente ser pouco discutido. A percepção do profissional responsável pela construção do modelo irá determinar o quão sólida será a base para todas as demais etapas serem bem-sucedidas (ROBINSON et al., 2011).
Mais uma vez reafirmando a importância da simulação como ferramenta de decisão gerencial, ainda coloca como fator de grande influência para o desenvolvimento sustentável. Em análise dos atuais modelos de simulação se observa a constante característica de redução de custos em diferentes cenários estreitando as relações de causa e efeito. Como contraponto, temos a necessidade de alta especialização da mão de obra dedicada ao desenvolvimento e interpretação dos modelos e simulações com as inúmeras possibilidades de cenários expostos em cada situação (ABU-TAIEH, 2005).
Sokolowski e Banks, 2009, divide em três parte o processo; Modelagem, simulação e análise. As primeiras duas etapas são sempre referenciadas como M&S, defini análise como a capacidade de desenhar conclusões se baseando nos resultados entregues pela simulação, permitindo a definição de caminhos a serem seguidos e as possíveis hipóteses a serem remodelas e simuladas para comparação entre os cenários (SOKOLOWSKI; BANKS, 2009).
Schrage, 2000, traz uma ótica diferente da observação da simulação, no atual cenário onde a economia se baseia em inovação e evolui em uma velocidade jamais vista. Devido às características mencionadas, a cada dia temos uma maior dependência das ferramentas computacionais como a simulação, modelagem 3D e prototipagem. São colocados indícios de que estaríamos a beira de uma nova revolução industrial (SCHRAGE, 2000).
Stewart, 2004, coloca a sigla WWW (What, Why and When?) como diretriz no questionamento quanto a viabilidade de aplicação da simulação em determinado processo. Os questionamentos devem ser feitos para uma correta utilização da simulação computacional, a fim de não gerar falsas expectativas ou resultados insatisfatórios depois de finalizado (por não ter utilizado a ferramenta mais adequada). A simulação não é o único meio, dada a existência de outros meios de modelagem de sistemas, que podem ir de modelagem com a utilização de papel e caneta até com a utilização de complexos programas e heurísticas matemáticas (Ex. programação linear, programação dinâmica, algoritmo genético entre outros) (ROBINSON, 2004).
Levantamento do histórico dos softwares de simulação foi desenvolvido por Goti, 2010, onde foram definidas quatro gerações. 1ª geração, final dos anos 60, Programação de alto nível FORTRAN. 2ª geração, final dos anos 70, Linguagem de programação com controle de eventos e geração de relatórios, GPSS (IBM), See Why (AT & T) e AutoMod (ASI). 3ª geração, início dos anos 80, início das linguagens de programação com interfaces mais amigáveis, SIMAN (modelagem de sistema) e Express (AT & T). 4ª geração, final dos anos 80, interface intuitiva e com alterações em qualquer momento, facilitando inúmeras possibilidades de combinações com muito mais rapidez, WITNESS (AT & T), ARENA (systems modeling). Após a 4ª geração, não foi verificado nenhum grande avanço nesse tipo de simulação (GOTI, 2010).
Um outro exemplo é o software de simulação por eventos discretos FlexSim, tem se destacado no mercado desde seu lançamento com uma proposta diferente de seus concorrentes, aproximando a alta simulação de ferramentas de fácil utilização. Sua constante evolução também é fator relevante no momento da escolha do software a seu utilizado. A facilidade na utilização e as ferramentas avançadas de análise de dados disponíveis o fazem uma das mais completos softwares de simulação da atualidade (BEAVERSTOCK et al., 2011).
Nesta pesquisa tratamos apenas da simulação por eventos discretos, porém chamamos atenção para o fato de que existem inúmeros outros tipos de simulação que podem ser utilizadas, dependendo de cada caso; as quais também podem ser aplicadas em situações semelhantes, alguns exemplos são; simulação baseada em agentes, systems dynamics, elemento finito (FEM), física e simulação humana. Cada tipo possui suas particularidades, cabendo ao analista a definição de quais métodos deverão ser utilizados isoladamente ou em conjunto (ALLEN, 2011).
O software Arena é considerado uma das principais opções do mercado, consolidado como uma ferramenta flexível e poderosa que possibilita a modelagem de incontáveis cenários com alta precisão. Seu lançamento é datado d 1993, movido pela consolidada linguagem SIMAN. O software permite que depois de criado modelo gráfico, o modelo gera automaticamente o modelo SIMAN. Esse tipo de ferramenta colocam o software ARENA na vanguarda da simulação com projetos orientados a objetos (TAKUS; PROFOZICH, 1997)
2 Teoria e metodologia
Um modelo de simulação por eventos discretos deve ter a validação como uma condição essencial. Essa validação deve ser feita, de preferência, por meio de dados reais. Caso não haja dados reais, ou se estes não forem confiáveis, devemos utilizar como referência um modelo conhecido e já testado (MARTINS et al., 2009).
No presente caso, em vez de fazer a validação por comparação com um modelo analítico conhecido aproximado, optamos por utilizar o modelo do aeroporto de Vitória como referência deste trabalho. A ideia é a de evoluir aplicando outros conceitos mais atualizados de funcionamento dos aeroportos e, por meio da chamada validação incremental, (URSINI et al., 2014), chegar a resultados que descrevam melhor a situação dos aeroportos atuais.
Portanto é tomado como base, o artigo AVALIAÇÃO DO NÍVEL DE SERVIÇO DE TENDIMENTO – “CHECK-IN” - DE UM TERMINAL DE PASSAGEIROS AEROPORTUÁRIO (MARTINS et al., 2009), sendo utilizadas as distribuições teóricas de probabilidade dos processos disponibilizadas pelo artigo supramencionado.
O aeroporto Eurico de Aguiar Salles no ano de 2003 apresentava uma área total de 5,2 milhões de metros quadrados, com uma pista de 1.750 metros de comprimento.
Seu terminal de passageiros (TPS) possui uma área de 2.200 metros quadrados, com 25 balcões de check-in com capacidade de atender 500 passageiros em horário de maior fluxo, o espaço disponível para a organização das filas no setor é de 350 metros quadrados suportando até 290 passageiros simultaneamente; as áreas de espera e circulação possuem uma área total de 730 metros quadrados com capacidade para 480 passageiros simultaneamente; as áreas comerciais, administrativas e técnicas correspondem a um total de 1.100 metros quadrados (MARTINS et al., 2009).
Dentro do escopo do artigo base foram coletados os dados de frequência de chegada e tempo de atendimento dos balcões de check-in em três empresas denominadas empresa A empresa B e empresa C. Os dados foram inseridos por meio da ferramenta Input analyzer a fim de fornecer a distribuição de probabilidades que melhor representa cada fila (MARTINS et al., 2009).
O cenário exposto no artigo base é simulado através de um modelo computacional com o auxílio do software Arena com os dados informados no mesmo. A seguir Tabela 1 contendo as
distribuições obtidas na ferramenta do Arena Input Analyzer e utilizadas na simulação, fornecida pelos autores do artigo base.
Tabela 1 Parâmetros empresas A, B e C (MARTINS et al., 2009)
Empresa Parâmetro analisado Nº de Amostras Distribuições de probabilidade Parâmetros das distribuições
A TA check-in convencional (min.) 100 Weib 1+weib (2.4 , 1.7)
A IC check-in convencional (seg.) 100 Expo 34.48
A TA check-in preferencial (min.) 100 Weib Weib (2.46 , 2.28)
A IC check-in preferencial (seg.) 100 Expo 71.43
A IC check-in on-line (min.) 100 Constante 3.5
B TA check-in convencional (min.) 100 Logn 1+logn (1.95 , 2.38)
B IC check-in convencional (seg.) 100 Expo 36.81
B TA check-in totem (min.) 100 Normal Normal (1.6 ,
0.729)
B IC check-in totem (seg.) 100 Expo 41.96
B TA check-in Especial (min.) 100 Tria Tria (0.999 , 1.28 , 6.55)
B IC check-in Especial (seg.) 100 Expo 49.59
B TA check-in preferencial (min.) 100 Normal Normal (3.01 , 1.25)
B IC check-in preferencial (seg.) 100 Expo 86.96
B IC check-in on-line (min.) 100 Constante 3
C TA check-in convencional (min.) 100 Weib weib (2.29 , 2.71)
C IC check-in convencional (seg.) 100 Expo 48.39
C TA check-in preferencial (min.) 100 Tria Tria (0,14 , 1.06 , 3.81)
C IC check-in preferencial (seg.) 100 Expo 139.53
2.1 Materiais utilizados
Para o desenvolvimento do projeto serão utilizados os dados fornecidos pelo artigo base aplicados aos softwares de simulação por eventos discretos Arena. Foi desenvolvido modelo de emulação dos dados originais com Matlab. O fluxograma na Figura 7 descreve a ordem em que os softwares foram usados e em quais aplicações.
Figura 7 Fluxograma de materiais utilizados
Emulação valores amostrais com
Matlab
Inserção dos dados emulados no
Input Analyser Arena
Desenvolvimento modelo base com
2.2 Etapas para o desenvolvimento do projeto
Para realização do modelo computacional, inicialmente foi necessária a transformação de unidade de medida das distribuições de probabilidade e parâmetros fornecidas pelo artigo base. Tais dados foram obtidos por meio da ferramenta disponibilizada pelo aplicativo Input Analyzer que faz parte do software Arena.
No artigo base foram coletadas 100 amostras em cada estação de entrada e processamento de passageiros em cada companhia.
Stewart, define em seu livro como essencial a criação de documento inicial para projetos de simulação com a definição de sete tópicos fundamentais para o correto dimensionamento do sistema; objetivo de desenvolvimento do modelo, todas as partes envolvidas e com interesses no modelo e simulação em desenvolvimento stakeholders, objetivos do modelo, revisão do modelo a ser modelado, perspectiva do sistema, requisitos gerais e restrições, requisitos específicos (ROBINSON, 2004).
• Objetivo de desenvolvimento do modelo
Avaliação da capacidade de atendimento em terminal aeroportuário. • Stakeholders
Companhias aéreas, administração aeroportuária, passageiros, empresas desenvolvedoras de processos para setor aéreo e colaboradores do setor aéreo.
• Objetivo do modelo
Verificação da aplicação de diferentes tipos de atendimento/tecnologias em terminal de
check-in aeroportuário, qualitativa e quantitativamente.
• Revisão do modelo a ser modelado
Definição da validação das possibilidades de processos. No caso deste estudo, a validação será por comparação com um modelo anterior, conhecido e testado (pôr a referência de Vitória-ES).
• Perspectiva do sistema
Representar o funcionamento de terminais de check-in • Requisitos gerais e restrições
Restrição do aumento de estrutura física. • Requisitos específicos
Atendimento de múltiplas empresas em um mesmo terminal (compartilhamento de tarefas). A modelagem foi desenvolvida dentro do projeto de pesquisa sistematizado no fluxograma da Figura 8.
Figura 8 Fluxograma etapas do desenvolvimento
Distribuições fornecidas artigo base
Emulação dos dados amostrais com
Matlab
Inserção dos dados emulados no
Input Analyser Arena
Confirmação das distribuições fornecidas pelo artigo base
Desenvolvimento modelo base com software
Arena
Análise do dos dados modelo base
Levantamento de cenários alternativos SITA
Modelagem e análise dos dados dos cenários alternativos
Cruzamentos dados hitpricos setor aéreo e dados
3 Emulação dos dados amostrais
Neste trabalho não foram feitas medidas nos aeroportos relacionadas aos tempos entre a chegada de usuários e os tempos de duração dos atendimentos. No entanto, pelo fato de que as distribuições foram ajustadas com os dados reais do artigo base, utilizamos essas mesmas distribuições emular os dados correspondentes aos dados reais medidos na época do artigo.
Portanto, a fim de uma melhor modelagem do sistema exposto no artigo base, foi utilizado técnica para emular os dados originais, com a utilização dos dados com a utilização do software Matlab, seguindo indicado na Figura 9.
Desse modo obtivemos os valores referentes aos tempos de atendimento e dos tempos de chegadas no aeroporto em questão.
O processo foi realizado apenas na empresa B para validação dos dados informados pelo artigo base. Como os dados foram verificados como sendo as melhores distribuições possíveis, foram consideradas validadas as informações constantes no artigo base.
Figura 9 Fluxograma emulação dado originais
Emulação dos dados coletados Input analyzer Testes de aderência
BASE
Distribuições probabilidade3.1 Processo de emulação dos Empresa B com base nas distribuições de probabilidade com Matlab
O processo de emulação dos dados amostrais da Empresa B foi realizada com o auxílio do programa Matlab. Para esse processo foi desenvolvido código levando em conta os parâmetros apresentados em todos os processos de entrada e atendimento independente das distribuições atribuídas originalmente. Código disponível no Apêndice A.
Com o processamento do código desenvolvido foram emulados os valores amostrais que levaram a definição das distribuições de probabilidade fornecidas pelo artigo base. Com os dados obtidos foi construída tabela relacionando os cem valores amostrais para cada distribuição da empresa B disponibilizada no Apêndice B.
3.2 Aplicação dos dados emulado com Matlab no Input Analyzer Arena 3.2.1 TA Check-in Preferencial - NORM (3,01; 1,25)
No artigo original, a partir das medidas efetuadas, a distribuição de probabilidade do tempo de atendimento do check-in preferencial da empresa B é de NORMAL (3.01, 1.25).
De acordo com os dados relacionados anteriormente, inserimos os dados emulados e os reinserimos no software de análise de dados, conseguindo reproduzir os relatórios omitidos no artigo base.
Assim, foi possível validar os dados fornecidos pelo artigo base através dos relatórios e testes aplicados pelo analisador de dados, Arena Input Analyzer, disponíveis nos Apêndice C e Apêndice D.
A curva obtida foi destacada no relatório como a com menor erro quadrático médio dentre as opções de distribuições fornecidas pelo Input Analyzer, Apêndice E.
3.2.2 Distribuições de probabilidade descartadas TA Check-in Preferencial
São fornecidas pelo Input Analyzer nove possibilidades de diferentes distribuições de probabilidade, dentre nove possibilidades de distribuições, dentre elas a com menor taxa de erro foi a NORMAL, as demais oito possíveis distribuições testadas (BETA, WEIBULL, GAMMA, ERLANG, LOGNORMAL, TRIANGULAR, UNIFORM E EXPONENCIAL) pelo software foram descartadas e estão relacionas juntamente com seu relatório respectivamente nos Apêndices F, G, H, J, I, K, L e M.
Algumas destas distribuições são próximas à de menor erro quadrático médio, por exemplo, a Weibull e a Beta. Dessa maneira, outros testes de sensibilidade do modelo podem ser efetuados com essas distribuições, posteriormente.
4 Simulação software Arena
Inicialmente foi realizada simulação com a utilização dos blocos simples.
A simulação do artigo base foi realizada com a utilização do software Arena, primeiramente de maneira isolada para cada uma das 3 empresas citadas, e posteriormente unidas em uma única simulação. Objetivando maior proximidade com a realidade, o modelo foi simulado com representação de 100 dias de 1 horas cada, afim de representar o período de funcionamento do aeroporto simulado.
A ideia de fazer duas horas de simulação é devida ao fato de que as medidas devem ser efetuadas no período consecutivo de duas horas, em que há o maior movimento.
Inicialmente foram inseridos os blocos básicos, denominados como categoria “Basic Process”. Blocos inseridos; Create, Despose, Process, Decide. Exposto no Apêndice N.
Representação da função Create no software Arena mostrado Figura 10.
Figura 10 Bloco Create Arena
Bloco Create é responsável pela geração das entidades no modelo, onde se encontra a distribuição de probabilidade correspondente à taxa de chegadas, como mostrado na Figura 11. No presente caso o bloco mostra uma chegada por hora que segue a distribuição exponencial.
Como segundo passo foram inseridos os blocos de decisão, no caso do software Arena denominado Decide exposto na Figura 12.
Figura 12 Bloco Decide
O bloco Decide, Figura 12, deve ser usado em momentos de decisão, podendo essa decisão serem baseadas em condições estabelecidas ou com a aplicação de porcentagens para divisão das entidades durante o processo em dois ou mais caminhos, Figura 13.
Figura 13 Setup bloco “Decide”
Posteriormente à utilização dos blocos decide, formam inseridos os blocos de processamento denominados Process, Figura 14. Neste caso o bloco representa o tempo que as entidades despendem no balcão de atendimento.
Figura 14 Bloco Process
Dentro das opções de configuração dos blocos Process, precisamos da definição do nome do servidor, da lógica de processamento e da distribuição de probabilidade do tempo de serviço de cada entidade, como mostrado Figura 15.
Figura 15 Setup bloco “Process”
O último bloco presente no modelo pertencente a categoria Basic Process é o Dispose, Figura 16. Responsável pela saída das entidades geradas pelo modelo das entidades inseridas no modelo e contabilização das estatísticas. Observar que neste caso a distribuição é uma triangular com moda = 1= média, valor mínimo = 0,5 e valor máximo = 1,5.
Figura 16 Bloco “Dispose”
A distribuição das entidades para os servidores Process foi realizada com a utilização do bloco Chance, encontrada na categoria Support, Figura 16. O bloco Chance permite a colocação de uma probabilidade para a ocorrência de determinado evento.
Figura 17 Categoria de blocos “Support”
A distribuição das entidades entre diversos servidores se faz possível com a aplicação da configuração do bloco Chance, Figura 18.
4.1 Resultados obtidos com blocos simples
A simulação do artigo base foi realizada com a utilização do software Arena, primeiramente de maneira isolada para cada uma das 3 empresas citadas, e posteriormente unidas em uma única simulação. Afim de maior proximidade com a realidade o modelo foi simulado com representação de 100 dias de 1 horas cada, representando o período de maior movimento, afim de representar o período de funcionamento do aeroporto simulado.
Empresa A contendo três entradas com atendimento comum e preferencial, Figura 19. Os passageiros que realizam o check-in pela internet são divididos em dois grupos, onde os passageiros sem bagagem para despachar seguem diretamente para o embarque, enquanto os passageiros com bagagem para despachar são atendidos nos balcões destinados ao atendimento preferencial.
Figura 19 Fluxograma empresas A exclusivamente com blocos Basic Process
Foram utilizadas as distribuições do modelo base e denominado como recurso processamento normal no atendimento comum e processamento preferencial no atendimento preferencial. Rodar o modelo nas mesmas condições do modelo base são essenciais para a validação do mesmo. Na distribuição utilizada, o primeiro termo (1/6) se refere ao número de servidores do processo, no termo (1+WEIB (2,4;1,7) indica a utilização de uma distribuição
Weibull onde, parâmetro 1,7 representa a forma e parâmetro 2,4 média de ocorrência representa, pode se assemelhar com a distribuição normal em alguns casos.
Mantidas as configurações padrões quanto ao tipo e prioridade, no campo de ação foi selecionada a opção de Seize Delay Release. Com isso temos um processamento sem prioridades de um processo em especifico, uma vez que os atendimentos estão separados sem essa necessidade, como mostrado no apêndice O.
Dentro das configurações de setup da simulação, como mostrado no APÊNDICE P e Q, foi definido um total de 100 replicações de 66 minutos com aquecimento (warm-up) total de 6 minutos (seguindo aproximadamente a recomendação de (FREITAS FILHO, 2008), com relação a um possível tempo de warm-up), contando com tempo total simulado por replicação de 60 minutos. Fica definido como base desse setup como unidade de medida padrão em minutos com as demais configurações possíveis dentro do ambiente de simulação como padrão. A empresa B apresenta a maior estrutura operacional, como mostrado na Figura 20, com atendimentos de quatro categorias (normal, especial, prioritário e totem). Nos atendimentos normal e preferencial segue o mesmo padrão das outras empresas, colocando como diferencial o atendimento especial em sistema de benefício visando a fidelização de seus passageiros e oferecendo vantagem de tempos menores de espera no momento do check-in. Um segundo diferencial, é a utilização do atendimento por totem de autoatendimento, porém como fica constatado nas simulações ainda representam uma pequena parte dos processamentos totais. Isso pode dar a entender a falta de foco da companhia no desenvolvimento, apoio e direcionamento do auxílio aos passageiros, estimulando a utilização desse atendimento.
Figura 20 Fluxograma empresas B exclusivamente com blocos Basic Process
Os passageiros que realizam o check-in de maneira on-line e nos totens, porém que possuem bagagem para despachar, se faz necessário que sejam encaminhados ao atendimento no balcão. Em ambas as modalidades quando necessário o atendimento, os passageiros são enviados para os balcões de atendimento especial. Os resultados obtidos mostraram que esse encaminhamento acaba se tornando o gargalo do processo.
Quanto às configurações de setup dos processos relacionados nos APÊNDICE R, APÊNDICE S, APÊNDICE T, APÊNDICE , foram seguidas as mesmas configurações nas opções de tipo, prioridade e ação, inserindo as distribuições indicadas pelo artigo base.
Os parâmetros de setup, Figura 21, da simulação com 100 replicações 66 minutos de período de replicação com 6 minutos de aquecimento (warm-up).
Figura 21 Run Setup empresa B exclusivamente com Basic Process
A empresa C, Figura 22, apresenta um processo de atendimento enxuto, porém condizente com sua demanda, contendo atendimento normal e preferencial com a opção também de check-in online. Na opção de check-in online quando existe a necessidade de despacho de bagagem, os passageiros são direcionados ao atendimento preferencial como ilustrado a seguir.
Figura 22 Fluxograma empresas C exclusivamente com blocos Basic Process
Dentro do setup do atendimento normal foi configurado distribuição Weibull (Weib
padrão e ação em Size Delay Release, como demonstrado no Erro! Fonte de referência não encontrada..
Configurações de setup atendimento preferencial com distribuição triangular (Tria
(0.14, 1.06, 3.81)) indicada pelo artigo base, configuração de tipo e prioridade mantidas padrão,
como demonstrado no Erro! Fonte de referência não encontrada..
Os parâmetros de setup, Figura 23, da simulação com 100 replicações 66 minutos de período de replicação com 6 minutos de aquecimento (warm-up).
Figura 23 Run Setup empresa C exclusivamente com Basic Process
Com a simulação das empresas A, B e C, foram gerados relatórios completos com tempos e tamanhos de todas as filas. Com os gráficos obtidos pudemos constatar que havia sérios problemas relacionados a algumas filas durante a simulação de longo prazo.
Com a obtenção dos resultados, verificamos que empresa C teve uma saída total de entidade do sistema de 169 entidades, empresa B, 212 entidades e a empresa C, 95 entidades. Como relacionado nas Tabela 2, Tabela 3 e Tabela 4.
Tabela 2 Média saída empresa A exclusivamente com basic process
Tabela 3 Média saída empresa B exclusivamente com basic process
Tabela 4 Média saída empresa C exclusivamente com basic process
Com os dados de entradas e saídas por entidade podemos verificar em cada empresa quais os processos estão atuando como gargalos e assim necessitam de atenção. De acordo com as Tabela 5, Tabela 6 e Tabela 7, verificamos que a opção de atendimento normal é o mais requisitado e a opção de check-in pela internet é o com menor demanda. Deixando clara a necessidade de investimentos por parte das companhias aéreas incentivando o uso de atendimentos não presenciais ou de autoatendimento. Salientamos que tais processos têm custo operacional mais reduzido e maior capacidade de processamento em comparação aos modelos tradicionais de atendimento.
Tabela 5 Entradas no sistema empresa A por entidade exclusivamente com basic process
Tabela 6 Entradas no sistema empresa B por entidade exclusivamente com basic process
Obtendo os dados de saída por entidade, Tabela 8, Tabela 9 e Tabela 10, verificamos um percentual elevado de entidades não processadas que deram entrada no sistema, mas não deram saída. Indicando que no momento de finalização do período delimitado no setup, vários passageiros estavam em fila para serem processados.
Tabela 8 Saídas empresa A por entidade exclusivamente com basic process
Tabela 9Saídas empresa B por entidade exclusivamente com basic process
Tabela 10 Saídas empresa C por entidade exclusivamente com basic process
Os dados de número médio de passageiros em espera reforçam a indicação dos gargalos do processo indicando a instabilidade de alguns processos, indicados nas Tabela 11, Tabela 12 e Tabela 13.
Tabela 11 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa A
Tabela 12 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa B
Tabela 13 Quantidade média de passageiros em espera por entidade com utilização exclusiva de blocos basic process empresa C
Nas Tabela 14, Tabela 15 e Tabela 16, são relacionados os tempos médios de espera por passageiro nas empresas A, B e C. Indicando em conjunto com o número de passageiros médio em fila os gargalos do processos e os indicativos de instabilidade de alguns sistemas.
Tabela 14 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa A
Tabela 15 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa B
Tabela 16 Tempo médio de espera por entidade com utilização exclusiva de basic process empresa C
Em contrapartida aos resultados de número de passageiros em fila e tempo de espera, temos os dados de ocupação dos servidos por tipo de atendimento, Tabela 17, Tabela 18 e Tabela 19, mais uma vez verificamos o mal uso dos atendimentos não presenciais e autoatendimento onde é identificado uma grande ociosidade. Os atendimentos normais e preferenciais com mínimo de 80% de ocupação, indicando o trabalho quase que no limite da capacidade operacional.
Tabela 17 Ocupação dos processos de atendimento empresa A
Tabela 19 Ocupação dos processos de atendimento empresa C
Fica constatado através da simulação que ao final de cada dia um grande número de clientes ainda se encontrava nas filas, fato esse devido às grandes filas formadas. Evidenciado comparando os dados de entrada e saída das diferentes entidades e empresas, possibilitando a identificação dos gargalos do processo. Esse fato permite avaliar a vazão de cada uma das empresas (entrada X saída) e a identificação dos gargalos do processo.
4.2 Verificação e validação do modelo
A verificação das modelos foi realizada por meio de detalhamento de todas as conexões e dados inseridos no modelo em comparação aos dados apresentados no artigo base. A validação se deu com a comparação positiva dos dados de saída simulados e os do artigo base. Não foram aplicados métodos analíticos devido as diferentes distribuições encontradas no sistema, também pelo objetivo de comparação entre diferentes processos de maneira qualitativa e quantitativa.
Apesar de o modelo ter sido validado por comparação com o artigo base, notamos que alguns problemas de atendimento que foram detectados nesse trabalho poderiam ser resolvidos com algumas alterações.
4.3 Resultados obtidos com blocos complexos common
Foi desenvolvido modelo com a utilização dos blocos Common, devido a apresentarem características de configuração de diversos blocos basic process em um mesmo bloco common. Atualmente os blocos Common estão sendo descontinuados pelo fabricante do software de simulação por eventos discretos Arena. O fabricante não indica mais a utilização desse tipo de blocos compostos.
A escolhas por desenvolver modelo com a ferramenta em questão se deve a necessidade de conhecimento prático e teórico de diferentes opções de ferramentas de desenvolvimento de modelos, Figura 24, Figura 26 e Figura 28.
O módulo Process é utilizado como servidor de um processo. As entidades que chegam para serem processadas no servidor, formam fila quando este está ocupado. Bloco Commom também pode representar um processo de transporte. É possível utilizar um tipo de Controle de Admissão, ou seja, bloquear as novas chegadas quando o servidor estiver ocupado. Porém por configuração padrão em caso de servidor ocupado, é formada fila aguardando processamento (ROCKWELL AUTOMATION INC, 2012).
Figura 24: Fluxograma resumido Empresa A com blocos compostos.
Foi utilizada a ferramenta de Submodel como Poka Yoke, Figura 25, Figura 27 e Figura 29,a fim de melhor organizar as empresas dentro de uma mesma simulação, sem que os diversos componentes de cada empresa pudessem ser interpretados de maneira errônea, os blocos contidos dentro do Submodel seguem.
Figura 26: Fluxograma resumido Empresa B com blocos compostos
Figura 27: Detalhe empresa B submodel com blocos compostos
Figura 29: Detalhe empresa C submodel com blocos compostos
Foi gerado relatório referentes ao período de 1h, representando a HMM (hora de maior movimento), devido a esse ser o período estipulado pelo artigo base para a simulação, como mostrado na Figura 30. Com a finalidade de verificar demais informações que foram omitidas do artigo base.
Tabela 20: Relatório “Queue” empresas A, B e C blocos compostos
Tabela 21: Relatório “Scheduled Utilization” empresas A, B e C blocos compostos
O gráfico scheduled Utilization, com porcentagens, das empresas A, B e C, mostra uma discrepância entre as taxas de ocupação, onde constam balcões com ocupação aproximada de 100%, enquanto outros possuem taxas de ocupação próximas a 70%, demonstrando claramente a existente necessidade de replanejamento de setores, como mostrado na Tabela 21 e Tabela 20: Relatório “Queue” empresas A, B e C blocos compostos.
A colunas com menores taxas de ocupação, cerca de 40%, são referentes aos totens da empresa B, mostrando assim uma tentativa de solucionar os problemas de atendimento em seus balcões com a aplicação de novas técnicas de atendimento/tecnologias e a impossibilidade de novos balcões devido às limitações físicas.
