UMA PROPOSTA DE MODELO PARA O
DIMENSIONAMENTO DE CALL
CENTER PARA DISTRIBUIDORAS DE
ENERGIA ELÉTRICA COM A
INCORPORAÇÃO DE CONHECIMENTO
A PRIORI
Tharcylla Rebecca Negreiros Clemente (UFPE ) thnegreiros@ymail.com Jadielson Alves de Moura (UFPE )
dielson10@gmail.com Adiel Teixeira de Almeida Filho (UFPE )
atalmeidafilho@yahoo.com.br Ana Paula Henriques de Gusmao (UFPE )
anapaulahg@hotmail.com Ana Paula Cabral Seixas Costa (UFPE )
apcabral@ufpe.br
O dimensionamento da capacidade de atendimento em um call center é um problema conhecido por sua complexidade. As recomendações que determinam a operação deste tipo de serviço diferenciam em relação ao tipo de contexto organizacional e são capazes de conduzir as estratégias operacionais do segmento. Dessa forma, se faz necessária as análises dos registros históricos da demanda e dos fatores que a influenciam, bem como o conhecimento das regras operacionais determinadas pelo órgão regulador específico. Por esta perspectiva, é apresentado um modelo de apoio a decisão baseado na estrutura de um sistema de informação para o tratamento do problema de dimensionamento de um call center no setor de distribuição de energia elétrica com a incorporação de conhecimento a priori.
Palavras-chaves: Sistema de Apoio a Decisão, Setor de distribuição de Energia Elétrica, Call Center, Conhecimento a priori.
2
1. Introdução
No contexto organizacional, o setor de prestação de serviços através de centrais de atendimento telefônico (call center) representa um significativo segmento de investimento para as organizações, além de manter um meio de comunicação entre as entidades: empresa e clientes. De acordo com o IDC (2011), o setor de call center no mercado brasileiro cresceu 15,7% no ano de 2010 e alcançou índices monetários de R$9,040 bilhões. Para o ano de 2013, o setor apresentou estimativas de crescimento em torno de 14,13% em relação ao ano anterior, o que representou a movimentação de pouco mais de R$40 bilhões (E-CONSULTING, 2013). Dos recursos financeiros movimentados pelo setor de call center, aproximadamente 70% dos custos incorridos são associados a mão de obra, tais como seleção, treinamento e contratação de pessoal capacitado (KOOLE, 2001). Esse aspecto evidencia a importância de estabelecer uma gestão eficiente sobre a abordagem quantitativa e qualitativa para o dimensionamento da capacidade de atendimento do serviço humano, considerando o trade-off entre o custo e o nível de qualidade requeridos para o processo de prestação do serviço de atendimento.
A principal característica no contexto de call center é a dinâmica de operações e programação de pessoal para atender as demandas requisitadas. A depender o nível de conhecimentos exigidos sobre as atividades operacionais, o contexto organizacional pode ser apresentado de forma complexa, o que permite a aplicação de modelos capazes de delinear e auxiliar o processo de decisão no setor.
Um dos problemas encontrados no setor de call center é o dimensionamento da capacidade de atendimento aos clientes (BETTS et al., 2000; AKSIN et al., 2007). Ou seja, a alocação da quantidade de pessoas suficientes e/ou necessárias para atender a demanda de atendimento recebida ao longo do tempo não é um processo fácil, uma vez que a incerteza sobre a demanda é inerente ao contexto, em especial pelo fato de haverem restrições operacionais sobre as atividades desempenhadas e influência de fatores externos sobre a demanda.
Por esta perspectiva, o presente trabalho se propõe a apresentar um modelo baseado em métodos analíticos para auxiliar o processo de dimensionamento da capacidade do serviço de atendimento telefônico (CLEMENTE et al., 2013), com base no conhecimento a priori do especialista. Para isso, foi selecionada uma empresa atuante no setor de produção e distribuição de energia elétrica no Estado de Pernambuco, Brasil. Os dados selecionados para
3 análise correspondem aos requisitos de gestão no segmento especificado e aos registros dos perfis de ligações feitas a central de atendimento da empresa selecionada.
2. Contexto do problema
O contexto estudado se configura em uma empresa distribuidora de energia elétrica responsável pelo abastecimento de mais de 185 cidades no estado de Pernambuco, Brasil. A empresa assume uma rede de pelo menos 128.412,5km de comprimento, com mais de 3,1 milhões de clientes, consumidores de 12.266.246MWh, em média, por ano.
A função do call center nessa empresa de distribuição de energia é configurada como uma das operações organizacionais. Sobre as operações das empresas no setor elétrico brasileiro, a Agência Nacional de Energia Elétrica (ANEEL) é o órgão responsável pela regulação da produção, transmissão e distribuição de energia elétrica no país. Dentre suas atividades, a ANEEL estabelece regras e metas de desempenho operacional, bem como regula os índices e tarifas do mercado de comércio de energia (ANEEL, 2012a). Dessa forma, as empresas do setor elétrico devem obedecer aos padrões de qualidade de serviço, requisitados pelo órgão responsável.
Os principais índices de desempenho utilizados para a avaliação das atividades de distribuição de energia das empresas no setor são apresentados no IEEE Xplore (2004), como um guia específico para a aquisição dos índices de confiabilidade. No entanto, estes são (i) a duração média da interrupção de serviço em uma região (DEC) e (ii) a média da frequência que o serviço é interrompido em uma região (FEC). Da mesma forma, a ANEEL estabelece regras para o setor de call center desse tipo de empresa.
Em geral, a principal função do setor de call center é atender às solicitações registradas por clientes para estabelecer um processo de controle sobre a demanda. Dessa forma, as situações mais comuns neste segmento compreendem na recepção de (i) ligações telefônicas feitas pelos clientes para central de atendimento e (ii) ligações telefônicas feitas pela central para os clientes. Em ambas as situações, pretende-se alcançar o nível de satisfação elevado na prestação do serviço (AVRAMIDIS e L’ECUYER, 2005).
Dessa forma, a gestão do call center deve manter o relacionamento com os cliente de modo a registrar e propor soluções para os pedidos sobre fatura, promoções, reclamações, problemas de manutenção, acidentes e/ou falhas do sistema de fornecimento do serviço. Ainda, as ligações são registradas pelo tipo de perfil, sendo comercial ou de emergência, caracterizadas pelo tipo de serviço solicitado.
4 Para o serviço de atendimento telefônico, a ANEEL regulamenta regras e condições que mantém níveis de satisfação aceitáveis (ANEEL, 2009a; ANEEL, 2010). Tais regras incluem o tempo máximo de espera para que a ligação seja atendida por um profissional e número limite para as indicações de chamada ocupada, bloqueada ou abandonada em um intervalo de tempo determinado. O registro desses casos é feita pela Unidade de Resposta Audível (URA) mantida pela estrutura organizacional para efetuar o procedimento de alocação de chamadas no call center.
O conhecimento do funcionamento do procedimento de alocação das chamadas no call center é fundamental para o entendimento do problema de dimensionamento de sua capacidade. A Figura 1 ilustra a dinâmica da URA.
Figura 1 – Estrutura do call center
Fonte: ANEEL (2009b)
A partir da Figura 1 pode-se entender que os consumidores entram no sistema de atendimento em (A) e suas chamadas são direcionadas para um distribuidor de chamadas, que utiliza estruturas e condições para definir os tipos de chamadas recebidas. Se a capacidade do sistema estiver no limite de atendimento, um sinal é enviado para o cliente e o sistema o informa que a requisição está ocupada (B), caso contrário, a chamada segue para (C). A URA pode interagir automaticamente com o consumidor através de indicações no sistema para propor a solução do problema, assim reduz a quantidade de chamadas direcionadas para o atendimento humano. Se a URA não conseguir resolver o problema, a chamada do consumidor entra no sistema de filas (D) no Distribuidor Automático de Chamadas (DAC), para esperar o atendimento humano (E). Durante o período na fila de espera, o consumidor
5 pode esperar o atendimento ou desistir de esperar pelo atendimento, caracterizando o abandono da chamada, sendo esta direcionada para (F).
A taxa de chegada das chamadas no call center é registrada por um conjunto de dados que especificam a data e hora de entrada da chamada no sistema de atendimento. Para a modelagem do problema em questão, esse conjunto de dados é utilizado como argumento para o planejamento de estimação da capacidade de atendimento do serviço. O procedimento utilizado para registro das chamadas não considera a variação da demanda ao longo do tempo, afirmando a característica estática do procedimento, o que oferece oportunidade para uma modelagem mais robusta e inserção de requisitos estocásticos e variáveis influentes no problema de dimensionamento da mão de obra do call center.
3. Planejamento do dimensionamento da capacidade de atendimento no call center O processo de planejamento da capacidade de serviços no call center é configurado pela taxa de chegada das chamadas no sistema e pela taxa de serviço oferecido. A taxa de chegada das ligações é registrada com os dados de data e hora no ato de recebimento da solicitação do serviço, enquanto que a taxa de serviço é verificada pelo atendimento das solicitações em determinado intervalo de tempo. Essas variáveis são essenciais para definir as variáveis λ e μ, taxa de chegada das chamadas e taxa de serviço, respectivamente. Essas variáveis descrevem o sistema de filas no call center.
A modelagem de problemas pela Teoria das Filas é um recurso útil para determinar a eficiência do sistema de operação, uma vez que os modelos permitem a análise sobre o equilíbrio entre os custos associados ao processo e o tempo de espera no sistema (HILLIER e LIEBERMAN, 2006).
Baseado nas variáveis do contexto e na Teoria das Filas é possível obter duas medidas de desempenho fundamentais para a avaliação do sistema de operação do call center: (i) tempo médio que um cliente passa na fila para ser atendido e (ii) a distribuição de probabilidade de
esperar s segundos nessa fila (KOOLE e MANDELBAUM, 2002; AKSIN et al., 2007;
KOOLE, 2008).
Através de análises descritivas e inferenciais, as taxas de chegada das chamadas e de serviço podem ser aproximadas por funções de distribuição de probabilidade exponencial, que permitem a descrição do contexto. Neste sentido, podem ser analisados os conjuntos de dados em grupos por intervalos de tempo específicos, tais como turnos de trabalho, tipo de dias (dias
6 úteis, sábados ou domingos e feriados), meses e anos. O resultado dessas análises satisfaz os primeiros requisitos para o planejamento do dimensionamento da mão de obra no call center. Outro perfil, para as análises, corresponde aos fatores que influenciam o registro de chamadas no call center. Por esta perspectiva, é oportuna a indicação de variáveis contextuais associadas a essa relação.
Com isso, fatores externos podem ser apontados e combinados com o conhecimento a priori do especialista para que o comportamento da demanda ao longo do tempo possa ser descrito e implementado sobre inferências. A Tabela 1 exemplifica algumas dessas variáveis analisadas.
Tabela 1 – Variáveis associadas ao registro de distribuição de ligações
Fatores Descrição
Registro de ações Programas e políticas governamentais, tarifas subsidiadas.
Nível de serviço Calculado pelo número médio de reclamações sobre serviço.
Reivindicações ambientais Relacionadas com a poda de árvores e plantas que podem causar
interrupções no fornecimento de energia elétrica ou qualquer acidente.
Política de manutenção preventiva Relacionada às regras de distribuição de energia elétrica.
Volume de chuvas ou Índice pluviométrico
Registrado pelo Serviço Geológico do Brasil
Intensidade de ventos na região Registrado pelo Serviço Geológico do Brasil
O conhecimento a priori do especialista permite que recursos dinâmicos sejam inseridos na modelagem do problema, o que configura uma abordagem mais aproximada do contexto real. Dessa forma, as variáveis apresentadas pela Tabela 1 sejam relacionadas de forma adequada ao contexto, permitindo a construção de correlações sobre o histórico das chamadas registradas pelo sistema.
Com o conhecimento a priori do especialista, assume-se o procedimento de inserção de informações adicionais para descrever eventos relacionados ao contexto, sem o requisito de realizar experimentos para afirmar tais considerações. Dessa forma, este conhecimento pode ser descrito em termos probabilísticos para representar as expectativas e propor o tratamento da incerteza inerente às situações esperadas através de procedimentos de elicitação de indicadores (O’HAGAN, 1998).
Para o problema de dimensionamento de um call center, a aquisição do conhecimento a priori do especialista permite que informações sobre a distribuição de probabilidade dos dados referentes a demanda esperada e fatores influentes sejam inseridas ao modelo, com o objetivo
7 de responder e estimar o comportamento da demanda ao longo do tempo. Esse recurso permite que a interação do agente especialista com o modelo de decisão represente uma vantagem competitiva para a definição das estratégias operacionais.
Para definir os indicadores de desempenho no call center de empresas do setor elétrico, a ANEEL exige que os níveis de qualidade satisfatória do serviço sejam mantidos por determinado período de tempo. Esses indicadores são baseados no número de chamadas atendidas (CA), número de chamadas abandonadas (CAb), número de chamadas ocupadas (CO), número de chamadas ofertadas (COf) e o número de chamadas recebidas (CR). As relações estabelecidas entre essas variáveis medem o índice do nível de serviço de atendimento (INS), o índice de abandono das ligações (IAb) e o índice de chamadas ocupadas. A relação de cada um desses índices é expressa pelas Equações (1), (2) e (3), respectivamente.
Equação (1)
Equação (2)
Equação (3)
O INS considera a razão entre a quantidade de chamadas atendidas em até trinta segundos e a diferença entre a quantidade de chamadas recebidas e a quantidade de chamadas abandonadas em até trinta segundos. O IAb considera a razão entre a quantidade de chamadas abandonadas com mais de trinta segundos e diferença entre a quantidade de chamadas recebidas e a quantidade de chamadas abandonadas em até trinta segundos. O ICO considera a razão entre a quantidade de chamadas ocupadas e a quantidade de chamadas ofertada.
Todos os índices são apresentados em correspondência percentual, por isso, a multiplicação das razões calculadas pela unidade de centena relativa. A medida para cada um dos índices é relacionada ao intervalo temporal considerado. Dessa forma, os índices podem ser apresentados diariamente, mensalmente e/ou anualmente.
8 O intervalo mensal dos indicadores apresenta uma influência significativa sobre a medida da qualidade do serviço de atendimento humano, uma vez que permite a análise e comparação com índices relacionados pela ANEEL (2010). Com isso, o índice de serviço mensal deve compreender valores iguais ou superiores a oitenta e cinco pontos percentuais (INS ≥ 85%), o índice de abandono mensal deve estar no intervalo igual ou inferior a quatro pontos percentuais (IAb ≤ 4%) e o índice de chamadas ocupadas deve apresentar um limite igual ou inferior a quatro pontos percentuais (ICO ≤ 4%). O limite apresentado para o ICO é determinado para até o final de 2014. A partir de 2015 esse limite passa a ser de ICO ≤ 2% (ANEEL, 2012b).
A violação de qualquer dos índices mensais de desempenho para serviços de atendimento através do call center no setor de energia elétrica implica em multas e penalidades para a empresa prestadora do serviço. Por esta perspectiva, é evidente a complexidade do contexto do atendimento telefônico no setor de fornecimento de energia elétrica, uma vez que são incluídas regras e restrições que podem ser utilizadas na configuração do modelo para o dimensionamento do sistema.
3.1. Estrutura do modelo para dimensionamento de um call center
As instruções e decisões para o dimensionamento e planejamento de um call center podem ser determinadas por diversas interações entre as regras e fatores contextuais associados a taxa de distribuição de chegada das chamadas e a taxa de serviço. Esta consideração permite que o conhecimento a priori do especialista seja inserido na modelagem do contexto com a proposta de elaborar um conjunto de requisitos satisfatórios para a implementação de um sistema de informações capaz de auxiliar no processo de decisão, uma vez que agrega valor ao procedimento de descrição das distribuições de probabilidade sobre os dados coletados ao longo do tempo.
A estrutura de um sistema de informação para apoiar o processo de dimensionamento e planejamento do call center corresponde a uma base de dados, uma base de modelos e os diversos recursos de comunicação entre as funcionalidades do modelo. Na base de dados, são inseridos os dados iniciais para a descrição do problema, tais como o histórico de chamadas registradas, apresentados pela Tabela 1, e dados que influenciam no registro das chamadas, tais como o histórico de chuvas na região, o custo de manutenção do serviço, intervalos específicos que ofertam um serviço diferenciado, dentre outros. Na base de modelos, são inseridos os dados sobre as normas e indicadores impostos sobre a qualidade do serviço de
9 atendimento no call center, os conceitos da Teoria das Filas e os possíveis protocolos de elicitação do conhecimento a priori do especialista sobre o contexto.
Como protocolos de elicitação da média do número de chamadas esperado, o modelo propõe a inserção de variações percentuais sobre fatores influentes no número de chamadas esperado e indicação de valores médios através do protocolo de elicitação por intervalos equiprováveis (RAIFFA, 1970). As duas metodologias utilizadas para elicitar a média do número de chamadas esperada em intervalos de tempo forma validadas e consideradas relevantes e coerentes para o contexto.
Por fim, os recursos de comunicação correspondem aos componentes visuais do sistema, tais como a interface de interação com o decisor, análises sobre os dados e geração de relatórios de apoio à decisão.
Os elementos do modelo apresentados podem ser modelados na forma de um sistema de apoio à decisão (SAD) (SPRAGUE e WATSON, 1989). Por esta perspectiva, a Figura 2 apresenta o modelo baseado na estrutura de um SAD.
Figura 2 – Estrutura do modelo de decisão baseado em um SAD
Fonte: Adaptado de Sprague e Watson (1989)
A estrutura apresentada pela Figura 2 permite que a visualização do fluxo do modelo seja compreendida com maior facilidade. Dessa forma, o fluxo principal do SAD inicia na inserção do conjunto de dados sobre as chamadas e os fatores que as influenciam. Estes dados
10 são validados por algumas interações para serem armazenados na base de dados. As regras e metodologias de interação e formulação conceitual sobre as representações dos elementos contextuais são armazenadas na base de modelos, tais como as definições da ANEEL sobre o nível de qualidade do serviço de atendimento humano.
Para isso, as inserções e as diversas interações entre os conjuntos de dados e a obtenção de formulação conceitual são efetuadas por recursos visuais em um conjunto de interface com o usuário. Em sequência, são efetuadas análises descritivas e análise de risco sobre os dados, funcionalidades essenciais para a construção de inferências e geração de relatórios capazes de apoiar o processo de decisão. Os relatórios são elaborados com o objetivo de entregar informações pertinentes sobre a estimativa do dimensionamento do call center, com base no histórico da demanda registrada em determinado período de tempo e do conhecimento a
priori do especialista.
Por essas considerações, a apresentação da estrutura do modelo é oportuna e permite a aquisição de resultados eficientes e coerentes.
4. Conclusões
O problema de decisão apresentado consiste na elaboração de parâmetros e regras de decisão de definam diretrizes para o planejamento e gestão da capacidade de atendimento humano de um call center, em função da demanda registrado no sistema. Para tratar este problema, é apresentada a construção de um modelo baseado nas especificações do gestor do call center da empresa distribuidora de energia elétrica no estado de Pernambuco, Brasil. Com isso, todas as variáveis e especificações relacionados ao contexto, que são introduzidas como dados para o sistema, foram recomendadas pelo gestor.
A apresentação do modelo com base na estrutura de um SAD permite a implementação de funcionalidades que integram as restrições e das especificações propostas. Dessa forma, características como flexibilidade e usabilidade são afirmadas como requisitos para o SAD, que satisfazem as expectativas de aplicação do modelo no contexto.
O SAD está em fase de desenvolvimento e propõe uma sequência lógica para a construção de inferências sobre o contexto estudado. Até o momento, os resultados obtidos pela interação das variáveis contextuais são satisfatórios e oferecem recomendações de melhoria no processo operacional do call center selecionado. Com isso, a implantação do SAD permite que o gestor elabore estratégias de gestão e utilize os recursos do sistema para obter recursos de avaliação nas diversas etapas do processo operacional.
11
Agradecimentos
A realização deste trabalho teve apoio parcial do CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) e Celpe (PD 0043 - 0811/2011).
REFERÊNCIAS
IDC. Brazil Call Center Services, 2011. Disponível em: <http://www.idclatin.com/email_ mkt/call_center_services_11/form_bra_11_callcenter.asp> Acesso em: Abr. 2014.
E-CONSULTING. Previsão no Setor de Call Center para 2013, 2013. Disponível em:
<http://www.e-consultingcorp.com.br/e-consulting-corp-preve-uma-receita-de-aproximadamente-r-40-bilhoes-no-setor-de-call-center-em-2013/> Acesso em: Abr. 2014. KOOLE, G. Mathematical modeling of call centers. Working Paper, Vrije Universiteit, Amsterdam, 2001.
BETTS, A., MEADOWS, M., WALLEY, P. Call centre capacity management, International Journal of Service Industry Management, 11, 185-196, 2000.
AKSIN, Z.N., ARMONY, M., MEHROTRA, V. The modern call center: A
multi-disciplinary perspective on operations management research. Production and Operations Management, 16, 665-688, 2007.
CLEMENTE, T. R. N., MOURA, J. A., ALMEIDA FILHO, A. T., GUSMAO, A. P., COSTA, A. P. C. S. e ALMEIDA, A. T. Expert knowledge and decision support system to help a power distributor plan its call center. In: EURO Mini-Conference Graz, 2013, Graz. Proceedings of the EURO Mini-Conference on Collaborative Decision Systems in Economics and in Complex Societal and Environmental Applications, 2013.
AVRAMIDIS, A.N., L’ECUYER, P. Modeling and Simulation of Call Centers. Proceedings of the 2005 Winter Simulation Conference. M. E. Kuhl, N. M. Steiger, F. B. Armstrong, and J. A. Joines, eds. 144-152, 2005.
ANEEL. Qualidade do serviço, 2012a. Disponível em <http://www.aneel.gov.br/area.cfm? idArea=79&idPerfil=2> Acesso em: Abr. 2014.
IEEE Xplore. IEEE Guide for Electric Power Distribution Reliability Indices, The Institute of Electrical and Electronics Engineers, Inc, 2004.
ANEEL. Resolução Normativa nº 363. Abril, 2009a. Disponível em: <http://www.aneel.gov. br/cedoc/ren2009363.pdf> Acesso em: Abr. 2014.
ANEEL. Revisão da Resolução Normativa N° 57/2004, Fevereiro, 2009b. Disponível em: <http:// www.aneel.gov.br/aplicacoes/audiencia/arquivo/2008/065/apresentacao/aneel.pdf> Acesso em: Abr. 2014.
12 ANEEL. Resolução Normativa nº 414. Setembro, 2010. Disponível em: <http://www.aneel. gov.br/cedoc/bren2010414.pdf> Acesso em Abr. 2014.
KOOLE, G., MANDELBAUM, A. Queueing Models of Call Centers: An Introduction. Annals of Operations Research 113, 41–59, 2002.
KOOLE, G. Introduction to the Special Issue on Call Center Management, Management Science, 54, 237, 2008.
HILLIER, F. S. e LIEBERMAN, G. J. Teoria das Filas. In: HILLIER, F. S. e LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Tradução: Ariovaldo Griesi. Revisão técnica: João Chang Junior. São Paulo: McGraw-Hill, 2006.
ANEEL. Audiência Pública 071/2012, 2012b. Disponível em < http://www.aneel.gov.br/ aplicacoes/audiencia/arquivo/2012/071/apresentacao/cemig_ap071_2012.pdf> Acesso em Abr. 2014.
SPRAGUE, R. H. Jr. e WATSON, H. J., Decision support systems: putting theory into practice. USA: Prentice-Hall, 1989.
RAIFFA, H. Decision Analysis: Introductory Lectures on Choices under Uncertainty. Addison-Wesley, 1970.
O’HAGAN, A. Eliciting expert beliefs in substantial: Practical Applications. The Statistician. 47, part 1:21-35. 1998.
