Espacios. Vol. 35 (Nº 4) Año 2014. Pág. 19


Teoria das restrições e simulação aplicadas no gerenciamento de demanda de uma unidade de pronto atendimento

Theory of constraints and simulation applied on demand management of a casualty department

Felipe SARTOR 1, José Airton A. dos SANTOS 2 y Carla Adriana Pizarro SCHMIDT 3

Recibido: 23/08/14 • Aprobado: 12/01/14


Contenido

RESUMO:
Este trabalho teve como objetivo aplicar os princípios da teoria das restrições e técnicas de simulação computacional na gestão da capacidade de atendimento dos serviços médicos de uma Unidade de Pronto Atendimento. No presente estudo são apresentados aspectos conceituais da teoria das restrições e de simulação computacional. O modelo do tipo dinâmico, discreto e estocástico foi implementado no software de simulação Arena®. Através da teoria das restrições conseguiu-se encontrar o ponto de restrição crítico e verificar, através da simulação, que a utilização do elemento restritivo na sua maior capacidade diminuiu o tempo de espera dos pacientes críticos.
Palavras-chave: Arena®, Tempo de Espera, Unidade de Atendimento Médico, Protocolo de Manchester.

ABSTRACT:
This work aimed apply the principles of the theory of constraints and computational simulation techniques in the attendance management capacity of the medical services of an casualty department. In this study are presented conceptual aspects of the theory of constraints and computational simulation. A model like the dynamic, discrete and stochastic type was implemented in the simulation software Arena®. Through the theory of constraints we found the critical restriction point and was verified, through simulation, that use of restrictive element in your highest capacity decreased waiting time for critical patients.
Keywords: Arena®, Time waiting, Medic Care Unit, Manchester Protocol.


1. Introdução

Lançadas como parte da Política Nacional de Urgência e Emergência (2003), as Unidades de Pronto Atendimento (UPA 24 horas) funcionam como unidades intermediárias entre as Unidades Básicas de Saúde (UBS) e os hospitais e ajudam a desafogar os prontos-socorros, ampliando e melhorando o acesso dos brasileiros aos serviços de urgência no Sistema Único de Saúde (SUS).

Essas unidades atendem a casos de saúde que exijam atenção médica intermediária como problemas de pressão, febre alta, fraturas, cortes e infartos, evitando que estes pacientes sejam sempre encaminhados aos prontos-socorros dos hospitais (Cracco; Salvador, 2010).

O método do gerenciamento de restrições é composto por um conjunto de princípios e conceitos idealizados pelo físico israelense Eliyahu Goldratt, nos anos 1980, conhecido como Teoria das Restrições (TOC – Theory of Constraints), um método novo de administração da produção. O sucesso de sua teoria em algumas empresas fez com que outras se interessassem em aprender a técnica. Assim Goldratt decidiu repassar o seu conhecimento e escreveu um livro contando sobre sua teoria, chamado de “The Goal” ou em português A Meta (Goldratt; Jeff, 1997).

Como uma teoria de gestão, a TOC foi inicialmente aplicada em sistemas industriais, com o objetivo de obter uma melhoria contínua de seus processos. Apesar da teoria das restrições ter nascido no setor industrial, sua filosofia pode ser empregada em diferentes organizações (Oliveira et al., 2006).

Existem duas premissas em sua abordagem. A primeira é considerar a empresa como um sistema cujo sucesso ou fracasso depende da forma como diferentes processos interagem entre si. A segunda é a de que uma restrição é qualquer coisa que limite o sistema de atingir sua meta. Sendo assim, todo sistema deve ter pelo menos uma restrição ou fator limitante.

Uma restrição não é boa nem má, ela existe e deve ser gerenciada (Goldratt; Jeff, 1997). De fato, o reconhecimento da existência de um fator limitante é uma excelente oportunidade para a melhoria, pois permite o foco na identificação e gerenciamento das restrições.

Segundo a Teoria das Restrições, toda empresa é um sistema tangível cujo desempenho vai depender da forma como interagem seus diferentes processos. A restrição pode ser identificada pela existência de filas de espera ou por tempos de processamento longos (Goldratt; Fox, 1992).

No atual ambiente econômico, com sérias restrições orçamentárias, o controle de recursos escassos aliado à eficiência em sua utilização se torna crítico. Administradores da área da saúde lidam com o desafio de conduzir organizações de grande complexidade e que possuem processo de forte iteratividade, aonde a gestão da capacidade de atendimento desempenha um papel estratégico que envolve recursos escassos e altos custos (Filho, 2011).

Neste cenário é fundamental o ajuste da capacidade dos serviços médicos oferecidos à demanda. Para realizar este ajuste diversas técnicas, ferramentas e instrumentos são disponibilizados aos dirigentes desses processos, muitos deles envolvem a tecnologia de gestão da informação. No entanto, qualquer processo de mudança precisa ser precedido de uma avaliação técnica que avalie as vantagens ou problemas que poderão decorrer. Muitas dessas avaliações são realizadas mediante o uso de softwares de análise estatística e simulação (Prado, 2010).

A ampliação da capacidade de análise de dados por meio do emprego de computadores e o surgimento de novos programas que realizam de maneira mais simples e rápida avaliações estatísticas mais complexas como as Análises Multivariadas, Não-Paramétricas, de Componentes Principais entre outras, a comparação estatística de dados documentais e de pesquisa vem ficando cada dia mais sofisticada nos mais diversos campos de estudo (Pontes, 2005).

Segundo Banks (1998), simulação é uma técnica de solução de um problema pela análise de um modelo que descreve o comportamento de um sistema usando um computador digital. A simulação de um modelo permite entender a dinâmica de um sistema assim como analisar e prever o efeito de mudanças que se introduzam no mesmo. É uma representação próxima da realidade, e será tanto mais real quanto mais características significativas do sistema seja capaz de representar. Por outro lado, o modelo deve ser simples, de forma que não se torne demasiado complexo para se construir, mas ao mesmo tempo o modelo deve ser o mais fiel possível ao sistema real (Sakurada; Miyake, 2009).

Os sistemas de simulação em seus primórdios foram desenvolvidos sobre linguagens de programação de propósito geral, entre as quais se poderia citar: Pascal, Fortran, Basic, etc. Porém, nessas linguagens era exigido um grande esforço do pesquisador para a construção dos modelos, além da clara necessidade de profissionais com conhecimentos profundos de programação de computadores. Visando reduzir esse problema, começaram a ser desenvolvidas linguagens de programação dedicadas à simulação de uso mais simples. Este foi o caso das linguagens Gpss, Siman, Slam, Simscript, entre outras (Fernandes et al., 2006).

Essas linguagens eram formadas por bibliotecas contendo conjuntos de macro comandos das linguagens de propósitos gerais. Vários simuladores da geração seguinte foram desenvolvidos sobre a plataforma dessas linguagens. Como exemplo tem-se o software Arena®, o qual foi implementado na linguagem Siman (Law; Kelton, 2000).

O software Arena® pode ser utilizado na simulação de diferentes processos, sendo que o software tem se mostrado capaz para auxiliar na avaliação de filas e identificar possíveis gargalos dos sistemas, auxiliando na tomada de decisões no que diz respeito à possibilidade de modificações no sistema simulado para aumento de eficiência dos processos. Alguns exemplos de aplicações podem ser vistos em processos de paletização de caixas de leite UHT (Vogel et al., 2013),  paletização de refresco em pó (Baungartener et al., 2013) e filas de um restaurante (Santos et al., 2013).

A crescente popularidade do uso de simulação como ferramenta de modelagem e análise de problemas resultou em uma vasta e crescente disponibilidade de softwares de simulação no mercado (Ryan.; Heavey, 2006). Há duas grandes categorias de software de simulação disponíveis: os de natureza geral e os voltados para aplicações específicas, tais como manufatura, serviços, telecomunicações, reengenharia e outros (Chiwf; Medina, 2007).

O presente estudo teve por objetivo aplicar os princípios da teoria das restrições bem como técnicas de simulação para identificar gargalos e propor mudanças na gestão com vistas à melhora na capacidade de atendimento de pacientes pelos serviços médicos prestados em uma Unidade de Pronto Atendimento Brasileira.

2.  Material e métodos

A finalidade da Unidade de Pronto Atendimento (UPA), objeto deste estudo, é prestar atendimento médico assistencial, nas áreas de clínicas médica e pediátrica a pacientes que se encontram em estado de sofrimento sem risco de vida.

O Pronto Atendimento foi implantado como serviço de referência para onde aflui a demanda das Unidades Básicas de Saúde (UBS), constituindo-se em um serviço intermediário entre estas e os hospitais conveniados ao Sistema Único de Saúde (SUS), sendo que cabe às UBS realizar a triagem para as Unidades de Pronto Atendimento, e estas, quando necessário, encaminham para os Hospitais.

Esta pesquisa pode ser classificada como pesquisa de natureza aplicada, pois estudou uma situação real e cotidiana. Os objetivos foram descritivos, onde o pesquisador coletou dados de cronometragem de tempos e documentais, tirou conclusões e propôs melhorias para o processo. Quanto aos procedimentos técnicos, pode ser considerada documental e operacional, pois os dados documentais e de cronometragem obtidos no sistema real foram, em seguida, tratados estatisticamente e utilizados na simulação do sistema (Gil, 2008).

Os primeiros passos seguidos para realização do estudo foram os de conhecer, acompanhar e descrever o funcionamento, bem como realizar um levantamento de dados a serem avaliados por meio de análises estatísticas e simulação computacional, aplicando a estes os princípios da teoria das restrições visando identificar gargalos no sistema propondo soluções de melhoria de desempenho no funcionamento da UPA.

A análise de demanda do estabelecimento foi realizada com base na coleta de dados documentais do estabelecimento referentes ao fluxo de pacientes em 51 semanas completas entre junho de 2012 e junho de 2013. Esses dados foram submetidos à análise de Controle Estatístico de Processo (CEP), estatística descritiva e análise de variância seguindo um delineamento inteiramente ao acaso com 7 tratamentos (dias da semana) e 51 repetições (semanas) bem como à Análise de Componente Principais no software Assistat 7.6 Beta (2013).

Por ser um dos softwares de simulação discreta mais utilizados, tanto no mundo empresarial como acadêmico, optou-se neste trabalho pela utilização do software Arena® da Rockwell Software Corporation, (Chiwf; Medina, 2007). O Arena® contém inúmeros recursos para modelagem, animação, análise estatística e análise de resultados e possui um ambiente gráfico integrado de simulação (Kelton; Sadowski, 1998).

Este software é composto por um conjunto de blocos (ou módulos) utilizados para se descrever uma aplicação real e que funcionam como comandos de uma linguagem de programação. Os elementos básicos da modelagem em Arena® são as entidades que representam as pessoas, objetos, transações, entre outros, que se movem ao longo do sistema; as estações de trabalho que demonstram onde será realizado algum serviço ou transformação, e por fim, o fluxo que representa os caminhos que a entidade irá percorrer ao longo de estações (Sánchea, 2007).

As variáveis de tempos foram coletadas em segundas feiras durante 60 dias do ano de 2013, para realização da simulação foram coletados: Tempos entre Chegadas dos pacientes (TEC), Tempos de Cadastro (TC), Tempos de Triagem (TT) e Tempos de atendimento nos consultórios (TAC).

Neste trabalho, o número de replicações (n*) foi obtido através da Equação (1) (Montgomery, 2005):

   (1)

onde:

n: número de replicações já realizadas;

h: semi-intervalo de confiança já obtido; e

h*: semi-intervalo de confiança desejado.

O tamanho de cada uma das duas amostras, cronometradas neste trabalho, foi obtida, para um nível de confiança de 95%, através da Equação (2) (Marroco, 2003):

  (2)

onde:

nA: número de indivíduos da amostra;

Zα⁄2: valor crítico que corresponde ao grau de confiança desejado;

S: desvio padrão;

E: erro máximo estimado.

3. Resultados e discussão

Para realização do estudo fez-se necessária uma análise de demanda da UAP, para tanto dados documentais de fluxo de pacientes na Unidade de Pronto Atendimento foram coletados. A avaliação foi realizada com os números de pessoas que procuraram a UPA durante 51 semanas completas. Neste período foram atendidos 21.279 pacientes.

Na Figura 1 podemos observar que a quantidade de paciente é muito variável o que justifica a realização de uma avaliação prévia no que diz respeito à movimentação de pacientes ao longo dos dias da semana.

A aplicação do Controle Estatístico do Processo (CEP) nos dados da Figura 1 objetivou a investigação da presença de causas especiais, ou seja, causas que não seriam naturais no comportamento do processo de procura pelo atendimento médico e que poderiam vir a prejudicar a qualidade do atendimento por estarem fora dos índices normais esperados nos dias comuns.

Ao se aplicar a metodologia CEP, utilizando-se a recomendação de Montgomery (2001), para a avaliação dos dados, observou-se que a maioria dos valores de demanda por consultas estiveram dentro dos limites de controle superior (134) e inferior (-15), porém dois pontos ultrapassaram o limite superior. Esses pontos ocorreram felizmente em apenas dois dias, sendo o primeiro em uma quarta-feira e o segundo em uma segunda-feira, a procura por atendimento nesses dois dias, deve ter sofrido a interferência de causas especiais, como, por exemplo, surtos ou acidentes.

Observou-se que o limite inferior não foi ultrapassado em nenhum momento, o que nos indica que existe uma tendência maior de ultrapassagem do limite superior que do inferior, ocasionado por picos de procura por atendimento médico. Por não termos como controlar a procura por atendimento, observa-se que em dias de procura muito acima do normal será muito difícil o atendimento fluir na velocidade desejada.

Figura 1: Gráfico de controle estatístico do processo de demanda
da procura pelo serviço da UPA mostrando a ampla variação de procura pela UPA ao longo dos dias.

O conjunto de dados coletados foi submetido à análise de variância e posterior comparação das médias do número de pacientes que procuraram a UPA nos diferentes dias da semana entre os meses de junho de 2012 e 2013, totalizando 51 semanas completas, meio do teste de Tukey ao nível de 5% de probabilidade, os resultados podem ser observados na Tabela 1.

Tabela 1: Resultados das análises estatísticas realizadas com os dados médios
de atendimento da UPA em 51 semanas de junho 2012 a junho de 2013, para os diferentes dias da semana.

Dias da Semana

Média do no de pacientes ± Desvio Padrão

Máx.

Min.

Variância

Segunda-feira

         86,3529 a         ±     26,0935

159

13

680,8729

Terça-feira

         66,1176  bc       ±     15,9770

102

21

255,2659

Quarta-feira

         69,7059  b            ±     22,0901

176

29

487,9718

Quinta-feira

         63,7255  bc          ±     18,7062

120

23

349,9231

Sexta-feira

         58,4510   c       ±     17,2839

122

23

298,7325

Sábado

         39,7451     d     ±     13,5924

81

13

184,7537

Domingo

         33,1373     d     ±     10,0658

57

06

101,3208

Médias seguidas por letras distintas nas colunas diferem estatisticamente entre sí ao nível de 5% de probabilidade de acordo com o teste de Tukey.

Observou-se que a quantidade média de pacientes, que procuraram por atendimento, nas segundas-feiras do período estudado, foi significativamente maior ao nível de 5% do que os pacientes que procuraram a unidade de pronto atendimento nos demais dias da semana. Por meio do mesmo teste também se pode observar que, nos Sábados e Domingos a procura pelo atendimento foi significativamente inferior ao nível de 5%. Nos demais dias a demanda mostrou-se intermediaria de acordo com o teste, mostrando um pequeno aumento nas quartas-feiras, porém o mesmo só foi suficiente para diferenciar esse dia da semana das sextas-feiras quando já se observa uma redução na procura de atendimento na UPA.

Os dados também foram avaliados por meio de Análise de Componentes Principais onde se pode observar que as duas principais componentes isoladas pela análise conseguiram explicar 66,15% da variabilidade do conjunto de dados (Figura 2).

Figura 3: Dispersão dos dias da semana com base nos valores de pessoas
que procuram atendimento médico na UPA estudada em suas duas componentes principais.

Por meio do gráfico (Figura 2) pode-se observar que a busca pela UPA nos dias de Sábado e Domingo ficaram bem próximas em seu comportamento, bem como nas Terças, Quintas e Sextas-feiras. Os dias que mais apresentaram variabilidade em seu comportamento foram as Segundas e Quartas-feiras, demonstrando que esses dias costumam ser atípicos na Unidade de Pronto atendimento, conforme notado pela avaliação realizada por meio do CEP na Figura 1.

Tal fato também pode ser observado com base na variabilidade apresentada na Tabela 1 para esses dias que se mostraram superiores à variabilidade apresentada pelos demais, podendo-se observar que o valor da média de pessoas que procuraram atendimento nas segundas-feiras foi superior, mas a quarta-feira apresentou valores máximos e mínimos superiores às quantidades de pessoas que procuraram atendimento nas segundas-feiras.

Portanto, com base nesses resultados optou-se por coletar os dados de cronometragem de tempos, utilizados para simulação apenas nas segundas-feiras, dia que se mostrou significativamente mais requisitado pelos pacientes que os demais, mostrando-se claramente como um gargalo do sistema.

Esse fato também foi constatado por outros pesquisadores (Furtado et al., 2004; Jacobs; Matos, 2005;), o que nos leva a observar que a procura por atendimento em dias úteis é preferencial e que o passar do final de semana acaba por agravar a situação de atendimento médico. Furtado et al, (2004) observaram também que o período diurno foi o de maior demanda.

3.1 O Sistema de Triagem

A triagem é considerada como um dos princípios do cuidado de emergência. A palavra triagem origina-se do francês trier, e quer dizer selecionar. A classificação de risco diferencia-se do tradicional conceito de triagem e suas práticas de exclusão, uma vez que todos serão atendidos. A sala de triagem classificatória de risco é uma área física obrigatória nas Unidades de Pronto Atendimento. Sendo o seu principal objetivo identificar as prioridades, ela é fundamental em qualquer serviço que haja superlotação.

A triagem, na Unidade de Pronto Atendimento, é realizada, no Setor de Pré-consulta, através de um sistema de classificação por cor (Tabela 2).

Tabela 2: Prioridade na classificação de risco.

Cor

Prioridade

Conceito

Vermelho

0

Emergência

Amarelo

1

Urgência

Verde

2

Não Urgente

Azul

3

Baixa Complexidade

Fonte: Silva, (2011).

O paciente que chega à unidade é atendido inicialmente por enfermeira, que fará uma breve avaliação do quadro clínico do paciente utilizando o protocolo de Manchester (2002), depois este será encaminhado para o local de atendimento. A classificação é feita a partir das queixas, sinais, sintomas, sinais vitais, saturação de O2, escala de dor, glicemia entre outros. Após essa avaliação os pacientes são identificados com fichas coloridas correspondentes a um dos seis níveis estabelecidos pelo sistema.

Segundo informações da UPA, disponibilizadas em edital as pessoas com fichas de cor vermelha (emergência) têm atendimento imediato; a laranja (muito urgente) prevê atendimento em dez minutos; o amarelo (urgente), 60 minutos; o verde (pouco urgente), 480 minutos; e o azul (não urgente) em até 48 horas.

Para os pacientes classificados com ficha vermelha o atendimento deve ser imediato, visando afastar o risco de morte. São realizados, nestes pacientes, exames diagnósticos e posterior encaminhamento para tratamento clínico, cirúrgico, observação ou alta.

No caso de ser classificado como ficha amarela o atendimento deve ser realizado no máximo em sessenta minutos (PROTOCOLO DE MANCHESTER, 2002). Neste caso o paciente necessita de cuidados intensivos. Os pacientes classificados na cor verde, paciente não crítico, são atendidos depois dos pacientes com fichas na cor amarela. São enviados para observação, internação clinica ou cirúrgica. Os pacientes classificados na categoria azul podem ter um tempo de espera indefinido, dependendo do fluxo de pacientes nas outras cores.

3.2  O Processo de Atendimento

Os pacientes chegam à unidade de atendimento, se forem casos de emergência são atendidos imediatamente, caso contrário vão até um guichê onde um recepcionista cadastra o requerente no sistema, que aguarda na fila.

As fichas cadastrais são impressas na sala da pré-consulta. Nesta sala os pacientes são chamados conforme a ordem de chegada. Na pré-consulta dois enfermeiros atendem e classificam o paciente de acordo com sua gravidade. Os pacientes podem ser atendidos na emergência ou ser atendido nos consultórios. Depois de atendidos os pacientes saem do sistema, através de alta ou encaminhamento. A Figura 4 apresenta o fluxograma do sistema em estudo.

Figura 4: Fluxograma do sistema em estudo.

O sistema atende 24 horas ininterruptamente e conta com um quadro de médicos dividido em plantões. Portanto, é um serviço que integra a rede básica de saúde com funcionamento ininterrupto, com atendimento referenciado pelas UBS até às 19 horas e após, com atendimento à demanda espontânea. No período considerado pelo estudo, o atendimento referenciado pela USB, a unidade conta com dois médicos, dois enfermeiros e três recepcionistas. Observa-se que para este trabalho considerou-se que no início da simulação o sistema esteja vazio, isto é não existam pacientes na fila e nem sendo atendidos.

3.3  Distribuição de Probabilidades

Após a análise dos dados cronometrados no sistema, através de técnicas estatísticas (Marin; Tomi, 2010), o passo seguinte foi determinar as curvas de distribuição teórica de probabilidades que melhor representem o comportamento estocástico do sistema em estudo, através da ferramenta Input Analyzer do Arena®. Como os p-values dos testes de aderência (Kolmogorov-Smirnof e Chi Square) foram maiores que o nível de significância adotado (0,1) (Chiwf; Medina, 2007), concluiu-se que as distribuições, apresentadas na Tabela 3, são as expressões que melhor se adaptaram aos dados coletados no sistema.

Tabela 3: Distribuições de Probabilidade.

Item

Distribuição

TEC

EXPO(4.12)

TC

GAMM( 0.645,4.24 )

TT

2.5+LOGN( 3.29,4.9 )

TAC

LOGN(6.97, 3.19)

3.4  Restrição do Sistema

O conceito chave da TOC refere-se à restrição, ou seja, o fator que restringe a atuação do sistema como um todo. As restrições físicas ou de recursos são oriundas de elementos necessários à operacionalização da empresa, tais como pessoas, equipamentos, dispositivos, instrumentos, espaço físico, mercado, fornecedor, máquinas, materiais, etc.

Segundo Dettmer (1995) podem ser encontradas várias restrições, porém os esforços de melhoria devem ser concentrados na mais crítica. A restrição mais crítica, da Unidade de Pronto Atendimento, está no tempo de espera nos consultórios, porque, de todos os três processo, é aquele que possui a menor taxa de atendimento: 6,6 pacientes/hora (Figura 5).

Figura 5: Taxa de atendimento.

Observou-se também, através de dados históricos da Unidade de Pronto Atendimento, que muitos pacientes com ficha amarela esperam por mais de 60 minutos na fila de atendimento. Esses tempos de espera devem-se, principalmente, aos deslocamentos constantes dos médicos para atenderem na enfermaria. Observa-se que a agilidade no encaminhamento destes pacientes é fator crítico de sucesso para redução de sequelas e nas chances de restabelecimento. Para explorar a restrição do sistema, utilizar o elemento restritivo na sua máxima capacidade, decidiu-se simular o sistema com a fixação dos médicos nos consultórios.

3.5  Simulação

Com o objetivo de observar a reposta do sistema, a partir da fixação dos médicos, implementou-se o modelo computacional apresentado na Figura 6. Como indicador de desempenho, do sistema proposto, utilizou-se na análise o tempo de espera dos pacientes de ficha amarela, verde e azul na fila dos consultórios.

Figura 6: Modelo Computacional.

Na Tabela 4 apresentam-se os resultados obtidos da simulação do sistema. Observa-se que os resultados foram obtidos após 15 replicações. Este número de replicações foi definido com nível de confiança de 95% utilizando a ferramenta Output Analyzer do Arena®.

Tabela 4: Resultados de simulação.

Fichas

Número de Pacientes

Tempo na Fila - 2 Médicos (min)

Amarela

28

12,7

Verde

53

71,9

Azul

3

93,2

Pode-se observar, através dos dados apresentados na Tabela 4, que com a fixação dos médicos nos consultórios, obteve-se um tempo máximo de espera, dos pacientes de ficha amarela, menor que o tempo recomendado pelo Protocolo de Manchester (2002). Observou-se também que a taxa de atendimento nos consultórios aumentou para: 14 pacientes/hora.

Verificou-se por meio da simulação que as principais soluções para as segundas feiras, que poderiam ser implementadas na UPA seriam inicialmente a fixação dos médicos nos consultórios 3 e 4 conforme pode-se observar no layout do local disponibilizado na Figura 7, a contratação de um médico ou mesmo residente, para ficar fixo na enfermaria dividindo o trabalho com os demais, permitindo que os outros dois médicos atendam exclusivamente a demanda dos consultórios.

Figura 7: : Layout da UPA mostrando a sala de recepção, atendimento e cadastro no sistema, a sala da assistente social, a sala de pré consulta e triagem e os quatro consultórios respectivamente da esquerda para a direita.

Outra solução possível seria a contratação de mais um médico e a ampliação do atendimento nos consultórios 2, 3 e 4, por exemplo, pois este espaço já permanece disponível e até mesmo ocioso (Figura 7).

4. Considerações finais

Neste trabalho apresentou-se a metodologia utilizada na implementação do modelo computacional usado para simular a dinâmica operacional do processo de atendimento dos consultórios de uma Unidade de Pronto Atendimento.

A utilização do controle estatístico do processo, da pesquisa documental e análise estatística da demanda e posterior simulação do sistema com base nos pressupostos da teoria das restrições na Unidade de Pronto Atendimento contribuiu para a identificação e gerenciamento do gargalo do sistema.

Os resultados aqui apresentados são válidos para as segundas-feiras, pois é o dia em que significativamente mais pessoas procuram a UPA para atendimento tendo sido por esse motivo o dia escolhido para coleta de dados para alimentar a simulação.

A visão sistêmica obtida contribuiu para compreensão do funcionamento das operações necessárias para o tratamento dos pacientes, sendo possível identificar as interações entre as partes de cada um dos processos, os problemas potenciais e efetivos, e as oportunidades de melhorias contínuas.

Os resultados obtidos de simulação demonstraram que com a fixação dos médicos nos consultórios reduz-se o tempo de espera dos pacientes com ficha amarela e consequentemente consegue-se iniciar o atendimento mais rapidamente.

O assunto não se esgota, com a realização deste trabalho, devendo avançar, a partir do desenvolvimento de um estudo relativo ao comportamento da restrição no sistema. Segundo a teoria das restrições, uma vez que ocorre uma melhoria no gargalo, as restrições podem mudar de lugar no sistema.

Referências bibliográfica

BANKS, J. Handbook of simulation: principles, methodology, advances, applications, and Practice. New York: John Wiley & Sons, 1998.

BAUMGARTNER, D. ; CAVALLI, D. ; SANTOS, J.A.A. ; SCHMIDT, C. A. P.  Modelagem, simulação e otimização da dinâmica operacional do processo de embalagem e paletização de sachês de refresco em pó: um estudo de caso. Espacios, Caracas, v. 34, p.10, 2013.

CHWIF, L.; MEDINA, A. C. Modelagem e simulação de eventos discretos, teoria & aplicações. São Paulo: Brazilian Books, 2007.

CRACCO, C. L. A. C; SALVADOR, J. A. Identificação da síndrome de burnout na equipe de enfermagem de uma unidade de pronto atendimento. 2010. 49f. Trabalho de Conclusão de Curso (Graduação em Enfermagem) - Centro Universitário Católico Salesiano Auxilium, Lins, 2010.

DETTMER, H. W. Quality and the Theory of Constraints. Quality Progress, v. 28, 77-81, 1995.

FERNANDES, C. A.; SILVA, C. S.; PEREIRA, J. O. YAMAGUCHI, M. M. Simulação da Dinâmica Operacional de uma Linha Industrial de Abate de Suínos. Ciência e Tecnologia de Alimentos, v.26, 166-170, 2006.

FILHO, a. s. et al. Proposta de melhoria para uma unidade de pronto atendimento de saúde: um estudo de caso com suporte a simulação. In: XXXI Encontro Nacional de Engenharia de Produção. Belo Horizonte: Anais..., ENEGEP, 2011.

FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas com Aplicações em Arena. Florianópolis: Visual Books, 2008.

FURTADO, B.; ARAUJO JÚNIOR, J. L. C.; CAVALCANTI, P. O. O perfil da emergência do Hospital da Restauração: uma análise dos possíveis impactos após a municipalização dos serviços de saúde. Revista Brasileira de Epidemiologia, v.7, n.3, p.279-89, 2004.

GIL, A. C. Como elaborar projetos de pesquisa. 4.ed. São Paulo: Atlas, 2008.

GOLDRATT, E. M; FOX, Robert E. A Corrida pela vantagem competitiva. São Paulo: Imam, 1992.

GOLDRATT, E. M.; JEFF, C. A Meta, São Paulo: Educator Editora, 1997.

JACOBS P.C.; MATOS, E.P. Estudo Exploratório dos Atendimentos em Unidade de Emergência em Salvador - Bahia. Revista da Associação Medica Brasileira, v.51, n.6, p.348-53, 2005.

LAW, A. M.; KELTON, W. D. Simulation modeling and analysis. New York: McGraw- Hill, 2000.

KELTON, W. D.; SADOWSKI, R. P; SADOWSKI, D. A. Simulation with arena. New York: McGraw-Hill, 1998.

MARIN, T.; TOMI, G. F. C. Modelagem de dados de entrada para simulação estocástica del lavra. Revista Escola de Minas, v.60, 559-562, 2010.

MARROCO, J. Análise estatística de dados – com utilização do SPSS. Lisboa: Sílabo, 2003.

PROTOCOLO DE MANCHESTER. Grupo de Triagem de Manchester. Triagem do serviço de urgência. 2ª ed. Portugal: BMJ Publishing; 2002.

MONTGOMERY, D. C. Design and Analysis of Experiments. New York: Wiley, 2005.

MOTGOMERY, D.C. Introduction to Statistical Quality Control. 4.ed. John Wiley & Sons, New York. A modern comprehensive treatment of the subject written at the same level as this book. 2001.

OLIVEIRA, A. A.; SABBANI, F. S.; OLIVEIRA, M. J. F. Gerenciamento de restrições em hospital de câncer: um processo de melhoria continua. IN: Simpósio de Excelência em Gestão e Tecnologia. Anais... AEDB, Rio de Janeiro, 2006.

PONTES, A. C. F. Análise de variância multivariada com a utilização de testes não-paramétricos e componentes principais baseados em matrizes de postos. Tese de Doutorado em Agronomia da Escola Superior de Agricultura Luiz de Queiróz, Universidade de São Paulo, Piracicaba, 2005.

PRADO, D. Usando o ARENA em simulação. v.3, 4ed. Nova Lima: INDG - Tecnologia e Serviços LTDA, 2010.

RYAN, J.; HEAVEY, C. Process modeling for simulation. Computers in Industry. V. 57, 437,450, 2006.

SAKURADA, N.; MIYAKE, D. I. Aplicação de simuladores de eventos discretos no processo de modelagem de sistemas de operações de serviços. Gestão da Produção, V. 16, 1, 25-43, 2009.

SÁNCHEA, P. J. Fundamentals of simulation modeling. In: Winter Simulation Conference. Washington, 2007.

SANTOS, J. A. A.; ALVES, R.; POSSAN, E.; SCHMIDT, C. A. P. Simulação da dinâmica operacional de um pequeno restaurante universitário: um estudo de caso. Revista Ciências Exatas e Naturais, v.14, n.2, 2012.

SILVA, T. Serviço de Urgência e Emergência: Modelos de Gestão com acolhimento e classificação de risco em hospitais brasileiros. 2011, 27 f., Monografia de Pós – Graduação em Gestão Hospitalar e Serviços de Saúde de Londrina, Núcleo de Estudos de Saúde Coletiva (NESCO), 2011.

YIN, R. K. Estudo de caso: planejamento e métodos. Porto Alegre: Bookman, 2001.

VOGEL, C. C. ; SCHMIDT, C. A. P. ; SANTOS, J. A. A. ; SILVA, A. L. Aplicação de técnicas de simulação e de ergonomia ao processo de paletização de caixas de leite UHT: um estudo de caso. Scientia Plena, v. 9, p. 1-10, 2013.


1 Discente do Curso de Engenharia de Produção da Universidade Tecnológica Federal do Paraná – UTFPR – Medianeira – PR – Brasil. felipnet_15@hotmail.com
2 Grupo Interdisciplinar de Pesquisa em Engenharia (GIPE). Docente Doutor do Curso de Engenharia de Produção da Universidade Tecnológica Federal do Paraná – UTFPR – Medianeira – PR –Brasil. airton@utfpr.edu.br
3 Grupo Interdisciplinar de Pesquisa em Engenharia (GIPE). Docente Doutora do Curso de Engenharia de Produção da Universidade Tecnológica Federal do Paraná – UTFPR – Medianeira – PR – Brasil. carlaschmidt@utfpr.edu.br


Vol. 35 (Nº4) Año 2014
[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]