Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/4564 |
Resumo: | O bom dimensionamento de equipes contribui para o aumento do nível dos serviços prestados pelas empresas, com o menor custo possível. Uma alternativa para abordar a questão foi dimensionar as equipes de eletricistas, de uma empresa do setor elétrico, (utilizando técnicas de previsão de demanda, de simulação e de alocação) para atender de forma otimizada, a demanda variável das atividades prestadas - fornecimento de energia. Um equilíbrio entre a demanda por serviços e a capacidade de execução da empresa evitaria longas filas de espera dos clientes e servidores (eletricistas) ociosos. Cinco etapas forma cumpridas: fase exploratória, coleta de dados, previsão de demanda e simulação do processo e alocação do recurso. Na primeira houve um entendimento de como chegava o pedido do serviço na empresa até a finalização da ordem de serviço. Na coleta de dados foram levantados aproximadamente 80 tipos diferentes de atividades desenvolvidas pelos eletricistas e classificadas de acordo com a prioridade de urgência, prazos de atendimento dos serviços e afinidade de execução das tarefas. Nesta etapa ainda foram coletados os volumes de serviços gerados e tempos médios de deslocamento e execução das atividades. Na terceira etapa foi utilizado um software de previsão de demanda chamado Forecast Pro, possibilitando a escolha automática do modelo de previsão mais apropriado para a série histórica em estudo. Na quarta etapa, foi utilizado um software de simulação de processos chamado Arena. Desenvolveu-se um modelo do processo real com os respectivos dados de entrada dos serviços, tempos de deslocamento e execução e número de equipes. Na última etapa, utilizando a ferramenta Solver do Excel otimizou-se o número de equipes. Um dos resultados da ação foi obter vários cenários com a variação do número de equipes e seus respectivos tempos médios de atendimento, sem causar nenhum dano para a empresa, podendo assim ser analisado qual o melhor cenário para ser implementado na companhia, minimizando o problema. |
id |
URGS_1df5431f10e64b5909774213efe7c3d7 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/4564 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Magro, Magda Alexandra de BonaSenna, Luiz Afonso dos Santos2007-06-06T17:37:58Z2003http://hdl.handle.net/10183/4564000457665O bom dimensionamento de equipes contribui para o aumento do nível dos serviços prestados pelas empresas, com o menor custo possível. Uma alternativa para abordar a questão foi dimensionar as equipes de eletricistas, de uma empresa do setor elétrico, (utilizando técnicas de previsão de demanda, de simulação e de alocação) para atender de forma otimizada, a demanda variável das atividades prestadas - fornecimento de energia. Um equilíbrio entre a demanda por serviços e a capacidade de execução da empresa evitaria longas filas de espera dos clientes e servidores (eletricistas) ociosos. Cinco etapas forma cumpridas: fase exploratória, coleta de dados, previsão de demanda e simulação do processo e alocação do recurso. Na primeira houve um entendimento de como chegava o pedido do serviço na empresa até a finalização da ordem de serviço. Na coleta de dados foram levantados aproximadamente 80 tipos diferentes de atividades desenvolvidas pelos eletricistas e classificadas de acordo com a prioridade de urgência, prazos de atendimento dos serviços e afinidade de execução das tarefas. Nesta etapa ainda foram coletados os volumes de serviços gerados e tempos médios de deslocamento e execução das atividades. Na terceira etapa foi utilizado um software de previsão de demanda chamado Forecast Pro, possibilitando a escolha automática do modelo de previsão mais apropriado para a série histórica em estudo. Na quarta etapa, foi utilizado um software de simulação de processos chamado Arena. Desenvolveu-se um modelo do processo real com os respectivos dados de entrada dos serviços, tempos de deslocamento e execução e número de equipes. Na última etapa, utilizando a ferramenta Solver do Excel otimizou-se o número de equipes. Um dos resultados da ação foi obter vários cenários com a variação do número de equipes e seus respectivos tempos médios de atendimento, sem causar nenhum dano para a empresa, podendo assim ser analisado qual o melhor cenário para ser implementado na companhia, minimizando o problema.application/pdfporEmpresa do setor elétricoPrestação de serviçosPrevisão de demandaDimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétricoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2003mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000457665.pdf000457665.pdfTexto completoapplication/pdf1458849http://www.lume.ufrgs.br/bitstream/10183/4564/1/000457665.pdf4d12c26a7d2ee3f87b7aa88b03ac4159MD51TEXT000457665.pdf.txt000457665.pdf.txtExtracted Texttext/plain165573http://www.lume.ufrgs.br/bitstream/10183/4564/2/000457665.pdf.txta1ff60672961a40c24de31a6979510c4MD52THUMBNAIL000457665.pdf.jpg000457665.pdf.jpgGenerated Thumbnailimage/jpeg1314http://www.lume.ufrgs.br/bitstream/10183/4564/3/000457665.pdf.jpg9d5426bb36e0d5cdfa4caaea6e2b3852MD5310183/45642018-10-05 08:51:10.72oai:www.lume.ufrgs.br:10183/4564Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-05T11:51:10Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
title |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
spellingShingle |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico Magro, Magda Alexandra de Bona Empresa do setor elétrico Prestação de serviços Previsão de demanda |
title_short |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
title_full |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
title_fullStr |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
title_full_unstemmed |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
title_sort |
Dimensionamento de equipes baseado em modelos de previsão, simulação e alocação : caso de uma empresa do setor elétrico |
author |
Magro, Magda Alexandra de Bona |
author_facet |
Magro, Magda Alexandra de Bona |
author_role |
author |
dc.contributor.author.fl_str_mv |
Magro, Magda Alexandra de Bona |
dc.contributor.advisor1.fl_str_mv |
Senna, Luiz Afonso dos Santos |
contributor_str_mv |
Senna, Luiz Afonso dos Santos |
dc.subject.por.fl_str_mv |
Empresa do setor elétrico Prestação de serviços Previsão de demanda |
topic |
Empresa do setor elétrico Prestação de serviços Previsão de demanda |
description |
O bom dimensionamento de equipes contribui para o aumento do nível dos serviços prestados pelas empresas, com o menor custo possível. Uma alternativa para abordar a questão foi dimensionar as equipes de eletricistas, de uma empresa do setor elétrico, (utilizando técnicas de previsão de demanda, de simulação e de alocação) para atender de forma otimizada, a demanda variável das atividades prestadas - fornecimento de energia. Um equilíbrio entre a demanda por serviços e a capacidade de execução da empresa evitaria longas filas de espera dos clientes e servidores (eletricistas) ociosos. Cinco etapas forma cumpridas: fase exploratória, coleta de dados, previsão de demanda e simulação do processo e alocação do recurso. Na primeira houve um entendimento de como chegava o pedido do serviço na empresa até a finalização da ordem de serviço. Na coleta de dados foram levantados aproximadamente 80 tipos diferentes de atividades desenvolvidas pelos eletricistas e classificadas de acordo com a prioridade de urgência, prazos de atendimento dos serviços e afinidade de execução das tarefas. Nesta etapa ainda foram coletados os volumes de serviços gerados e tempos médios de deslocamento e execução das atividades. Na terceira etapa foi utilizado um software de previsão de demanda chamado Forecast Pro, possibilitando a escolha automática do modelo de previsão mais apropriado para a série histórica em estudo. Na quarta etapa, foi utilizado um software de simulação de processos chamado Arena. Desenvolveu-se um modelo do processo real com os respectivos dados de entrada dos serviços, tempos de deslocamento e execução e número de equipes. Na última etapa, utilizando a ferramenta Solver do Excel otimizou-se o número de equipes. Um dos resultados da ação foi obter vários cenários com a variação do número de equipes e seus respectivos tempos médios de atendimento, sem causar nenhum dano para a empresa, podendo assim ser analisado qual o melhor cenário para ser implementado na companhia, minimizando o problema. |
publishDate |
2003 |
dc.date.issued.fl_str_mv |
2003 |
dc.date.accessioned.fl_str_mv |
2007-06-06T17:37:58Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/4564 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000457665 |
url |
http://hdl.handle.net/10183/4564 |
identifier_str_mv |
000457665 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/4564/1/000457665.pdf http://www.lume.ufrgs.br/bitstream/10183/4564/2/000457665.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/4564/3/000457665.pdf.jpg |
bitstream.checksum.fl_str_mv |
4d12c26a7d2ee3f87b7aa88b03ac4159 a1ff60672961a40c24de31a6979510c4 9d5426bb36e0d5cdfa4caaea6e2b3852 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085042160926720 |