Espacios. Vol. 36 (Nº 23) Año 2015. Pág. 15

Previsão de demanda de serviço para apoiar o gerenciamento dos processos em uma concessionária de energia elétrica

Service demand forecasting to support the management of processes within an electric utility

Iochane Garcia GUIMARÃES 1; Leonardo Marques CAIRES 2; Julio Schenato FONINI 3; Pamela HORN 4; Vinicius Jacques GARCIA 5

Recibido: 12/08/15 • Aprobado: 02/10/2015

Contenido

1. Introdução

2 Definição do problema

3 Metodologia

4 Resultados

5 Conclusões

Referências

1. Introdução

No atual momento de economia globalizada, onde a competição tem se mostrado extremamente acirrada, as avançadas tecnologias, os novos conceitos de administração e o gerenciamento dos sistemas produtivos tem assumido um papel preponderante. Esse cenário se manifesta em decorrência de um mercado consumidor cada vez cada vez mais exigente, que dispõe de produtos de alta qualidade, variedade e baixo custo.

Neste contexto, a adoção de modernas técnicas de gerenciamento produtivo, com redução sensível de perdas (Just in time) e que reforçam as decisões estratégicas da eficiência das operações para as empresas, assumem importante papel na consolidação de uma empresa no mercado (MARTINS, et al. 2005). No caso do setor elétrico, foco deste trabalho, estas dificuldades têm algumas especificidades. Longe de uma perspectiva industrial, de produção programada e demanda constante, uma concessionária elétrica, deve gerenciar incertezas, sazonalidades e estar preparada para atender situações de emergência. Além disso, a ANEEL, órgão regulamentador do sistema elétrico brasileiro, impõe padrões de qualidade e prazos para o atendimento as diversas solicitações dos consumidores de energia elétrica

Diante de um crescimento latente do consumo de energia elétrica no país, as concessionárias brasileiras vivem o dilema de atender as necessidades dos seus clientes, com preços regulamentados por lei, sem perder a qualidade do serviço prestado.  De acordo com a ANEEL (2010), a distribuidora deve dispor de estrutura de atendimento adequada às necessidades de seu mercado, sendo acessível a todos os clientes de sua área de concessão ou permissão, possibilitando a apresentação de solicitações e reclamações, bem como o pagamento de faturas referentes aos serviços prestados.

Com isso, Steiner et al.(2006) destacam o aumento do número de solicitações de serviços dos clientes das concessionárias de energia elétrica. Sendo assim, a agilidade no atendimento do serviço pode ser considerada como uma vantagem competitiva no mercado, tornando o gerenciamento desses tempos um desafio para os gerentes de serviços.

O reconhecimento das características especiais do atendimento de ordens serviços constituem a base para um gerenciamento inovador e potencialmente otimizado. Assim como na manufatura, o cliente não está disposto pagar pelo desperdício ou pela falta de eficiência da empresa, o que torna essencial implementar continuamente melhorias nos processos e a melhoria do aproveitamento dos recursos (SELAU et al, 2009). Na busca por essas melhorias, um direcionamento de rotas que preveem um atendimento rápido e eficiente em situações de emergência necessariamente redundam na satisfação do cliente e num custo potencialmente mínimo à empresa.

Steiner et al. (2006) afirmam que a concessionária deve dimensionar as equipes de trabalho de maneira satisfatória e ainda designar a equipe mais próxima e com equipamento adequado para atender determinada ocorrência. Esta tarefa tem significativa dificuldade para os operadores nas concessionárias, pois o número de equipes mudará de acordo com a solicitação e pode ter variações significativas em função da hora e do dia da semana. Ainda, a designação deverá ser através do melhor tempo e trajeto, de acordo com a distância entre o local da solicitação e a equipe, levando em consideração, tráfego, semáforos, entre outros.

Para tanto, esse trabalho faz uso das técnicas de regressão linear que utiliza uma sequência de observações e um padrão histórico de procura, o que torna possível estimar os valores futuros da utilização de modelos matemáticos. O método utilizado visa reduzir o tempo médio de serviço, que é definido como a soma do tempo de espera, o tempo da decisão e o tempo de execução. A premissa fundamental é que a ordem de serviço de emergência deve ser priorizada em relação a ordens de serviço comercial: quando uma ordem de emergência ocorre, deve ser executada com a maior urgência possível, ocasionando o adiamento dos atendimentos comerciais.

2. Definição do problema

Nas concessionárias de energia elétrica, há um grande volume de serviços demandados pelos consumidores ou em função de manutenções nos sistemas de distribuição. Esses serviços são denominados ordens de serviço e classificam-se, conforme Garcia et al (2010) em:

1. Ordens de serviço comerciais: envolvem tipicamente serviços de atendimento comercial, por exemplo, aqueles relacionados com a revisão de medidores, ligação ou corte de fornecimento de consumidores;
2. Ordens de serviço emergenciais: eventos na rede elétrica que prejudiquem a segurança e/ou à qualidade do serviço prestado ao consumidor, com consequente deslocamento de equipes de atendimento de emergência.

O gerenciamento dessas ordens de serviço é uma tarefa complexa para as concessionárias elétricas, que guarda especial dificuldade quando é considerada a premência dos serviços e os recursos humanos e materiais disponíveis. Ainda segundo Garcia et al (2010), atender a demanda de serviços sem deixar de observar as orientações do órgão regulador é o desafio que se impõe no cotidiano dessas empresas. Garantir que os serviços emergenciais solicitados sejam executados de imediato e os comerciais de acordo com as metas estipuladas (ANEEL, 2011), somadas com a necessidade de manutenção de um padrão de qualidade e redução de custos são pontos crucias para a sobrevivência dessas empresas no mercado. O processo de solicitação dessas ordens de serviço é apresentado na Figura 1.

Figura 1: Processo de atendimento de ordens de serviço.

As solicitações dos clientes são realizadas, em maioria, por intermédio da central de atendimento telefônico da empresa. O atendimento gera a ordem do serviço solicitado, esse documento apresenta o tipo de serviço e os dados de identificação do cliente. Essas solicitações são encaminhas para a operação, setor responsável pela análise do cenário de prioridades e decisão de como essas ordens serão distribuídas para as equipes de manutenção.  Existem ainda solicitações provenientes de outros setores da empresa, como por exemplo, uma suspeita de fraude em função de dados de consumo incompatíveis com aqueles apurados em outros pontos de medição da companhia.  Essas por sua vez, são geradas pelas próprias equipes e encaminhas sem intermédio para o setor de operações.

Dentro desse processo, o trabalho realizado pelo setor de operações merece ser evidenciado, esse processo decisório é detalhado na Figura 2.

Figura 2: Processo de decisão para atendimento de ordens de serviços.

Conforme mencionado por Garcia et al (2012), as tarefas são divididas em dois tipos: os atendimentos aos clientes comerciais, conhecidos a priori, e os atendimentos de emergência, que podem surgir a qualquer momento. Todas as equipes disponíveis têm a capacidade de atender tanto demandas comerciais quanto emergenciais. No início da sua atividade, todas as equipes têm um determinado conjunto de ordem comerciais que devem ser cumpridas ao longo de seu turno de trabalho. A ocorrência de situações de emergência gera a necessidade de atendimentos que se sobrepõem em importância aos atendimentos comerciais e estabelecem uma prioridade. De acordo com o número e a localização das emergências, uma ou mais equipes devem ser deslocadas de suas rotas iniciais para o atendimento prioritário.

Geralmente, a divisão de cada equipe em regiões de serviço é feita empiricamente, o que pode acarretar em uma divisão não homogênea de tarefas entre as mesmas, fazendo com que cada região de serviço necessite de uma ou mais equipes, dependendo do número de serviços solicitados. Veloso, Malta e Soares (2009) ressaltam que empresas dessa estrutura vivem o conflito no ajuste da demanda de serviços, quando levam em consideração a quantidade de equipes disponíveis.

Para Garcia et al (2012), a previsão do despacho de ordens emergenciais pressupõe maior eficiência no tempo médio de atendimento, que corresponde à soma dos tempos de espera (entre o registro e o despacho da equipe), de deslocamento da equipe até o local e do tempo de execução da ordem. Além disso, é importante mencionar, que a interrupção dos serviços comercias para o atendimento das ordens emergências, acarreta custos adicionais a empresa de horas extras, de deslocamento e na necessidade de retrabalho, dado que o serviço interrompido deverá ser refeito. 

O problema de decisão considerado neste trabalho contempla, a partir da probabilidade de ocorrências de ordens emergenciais em determinada região e tendo como base os dados históricos dessas ocorrências, influenciar a demanda dos serviços de caráter comercial. A proposta mostra-se desafiadora pela possibilidade de integrar o atendimento de serviços programados e emergências em uma concessionária elétrica, cenários até então tratados de forma isolada, contribuindo para uma melhor gerencia organizacional, diminuição do tempo de atendimento e redução de custos.

3. Metodologia

Este trabalho pretende desenvolver uma metodologia que se baseia em informações e dados históricos de ocorrência de ordens de serviço emergencial para prever sua ocorrência no futuro em determinada região. A concessionária de energia elétrica que disponibilizou os dados para estudo localiza-se na região centro-oeste do estado do Rio Grande do Sul (Brasil) e fornece energia para 118 munícipios nas regiões Centro-Oeste e Metro-Vale do Rio Grande do Sul. As áreas de concessão são subdivididas pela empresa em zonas de atendimento para melhor designação das demandas de serviços para as equipes. Assim, a zona de estudo deste trabalho limitou-se à zona que apresenta a maior ocorrência de ordens de serviço emergenciais.

O presente estudo foi realizado a partir da análise dos dados históricos de uma semana referentes à ocorrência de ordens emergenciais. O histórico continha as seguintes informações: local (coordenadas geográficas), data e horário de ocorrência, tempo de deslocamento e tempo de execução das ordens de serviço e número de equipes designadas para o atendimento do serviço. A Figura 3 a seguir apresenta o fluxograma contendo as etapas que foram seguidas para o desenvolvimento do estudo.

Para desenvolvimento da metodologia foram seguidas as seguintes etapas:

1. Coleta de dados;
2. Estratificação do tempo de deslocamento e tempo de execução por faixa de horário para os cinco dias da semana analisada.
3. Perturbação aleatória do histórico existente para geração de dados passados equivalentes a um mês, para os cinco dias considerados.
4. Estimou-se o comportamento futuro da variável tempo de serviço emergencial, por meio da aplicação da regressão polinomial;
5. Calculou-se o tempo disponível para atender as ordens comerciais a partir da subtração do tempo estimado para atendimento das ordens emergenciais.

Figura 3: Etapas para o desenvolvimento do estudo

Assim, a metodologia proposta buscou auxiliar o tomador de decisão responsável pela alocação das equipes no atendimento das ordens tanto emergenciais como comerciais. Pois a alocação das ordens comercias é fortemente influenciada pela ocorrência das ordens emergenciais.  Esse tipo de apoio a decisão tende a contribuir no melhor dimensionamento da prestação do serviço em questão e assegurar, um atendimento mais eficiente e a satisfação do cliente, objetivo essencial de para assegurar a vantagem competitiva de uma organização no atual mercado.

4. Resultados

Baseado em um histórico de 319 observações de demanda de tempo de serviço em uma concessionária de distribuição de energia elétrica durante o período de uma semana de trabalho foram estratificadas informações referentes à demanda diária de serviço para ordens comerciais e ordens emergenciais. 

Na Figura 4 é ilustrado o comportamento das ordens de serviço em função da faixa de horário no decorrer dos dias analisados. É possível observar que nos horários pertencentes ao turno noturno a incidência de ordens de serviço emergencial (E) sobressai aos serviços comerciais (C).

Figura 4: Numero de ordens de serviço estratificadas por intervalo de tempo.

A demanda de tempo de serviço também foi estratificada em relação ao dia de ocorrência. Os cinco dias observados apresentaram número significativo de ocorrências emergenciais (E), conforme pode ser observado na Figura 5 a seguir.

Figura 5: Número de ordens de serviço em função do dia de ocorrência

Como o objetivo deste estudo visa otimizar o despacho de ordens de serviço para as equipes de trabalho disponíveis, não extrapolando a capacidade de tempo de serviço, buscou-se identificar a demanda de tempo de trabalho por faixa de horário para cada dia da semana observada.

Assumindo que toda a demanda de tempo de serviço (ambos de viagem e tempo de execução) por apenas ordens de emergência nos dados históricos o que corresponde a 90 observações, é possível prever quantas horas de cada tipo de serviço poderá ser demandado no futuro, a fim de serem atribuídos às equipas disponíveis. A Figura 6 mostra o comportamento da demanda de acordo com cada intervalo de tempo considerado, a partir do qual pode-se concluir como representativa é a parcela referente ao tempo de deslocamento para uma segunda-feira típica. Se este comportamento fosse conhecido a priori, o tempo total de deslocamento exigido pelo despacho dos serviços comerciais poderia ser minimizado.

Figura 6: Demanda típica de atendimento de ordens emergenciais estratificadas nos intervalos de tempo considerados para segunda-feira.

A partir dos dados históricos gerados aleatoriamente para cada dia da semana foi gerada a curva de regressão para o comportamento do tempo gasto com o atendimento de ordens emergenciais por horário de ocorrência. Também foi gerada a equação da regressão para estimar o valor futuro de uma observação. A Figura 7 apresenta a curva típica de regressão nos intervalos de tempo considerados para segunda-feira, já a Figura 8 ilustra a previsão de demanda de tempo para Segunda-feira.

Figura 7: Curva típica de regressão nos intervalos de tempo considerados para segunda-feira. 

------

Figura 8: Previsão de demanda de tempo para Segunda-feira.

A Figura 9 apresenta o comportamento das ordens emergenciais no decorrer de uma terça-feira típica, onde os tempos de deslocamento e execução estão estratificados nos intervalos de tempo em que ocorreram. Pode-se observar que a faixa de horário das 07:00 horas às 08:00 horas da manhã apresenta o maior percentual de tempo de deslocamento e execução. A Figura  10 apresenta a curva característica do comportamento das ocorrências emergenciais nos intervalos de tempo considerados para Terça-feira. A previsão de demanda de tempo para Terça-feira está ilustrada na Figura 11.

Figura 9: Demanda típica de atendimento de ordens emergenciais estratificadas nos intervalos de tempo considerados para terça-feira.

-----

Figura 10:Curva típica de regressão nos intervalos de tempo considerados para Terça-feira.

-----

Figura 11: Previsão de demanda de tempo para Terça-feira.

A demanda de tempo de serviço para o uma quarta-feira típica está ilustrada na Figura 12, em que observa-se a formação de picos de atendimento, em determinados intervalos de tempo. Já a Figura 13 apresenta a curva característica de regressão nos intervalos de tempo considerados para Quarta-feira. Assim, previsão de demanda de tempo para Quarta-feira pode ser realizada e esta apresentada na Figura 14.

Figura 12:Demanda típica de atendimento de ordens emergenciais estratificadas nos intervalos de tempo considerados para Quarta-feira.

-----

Figura 13:Curva típica de regressão nos intervalos de tempo considerados para Quarta-feira.

-----

Figura  14: Previsão de demanda de tempo para Quarta-feira

Neste contexto, a Figura 15 exibe a distribuição da carga de serviço emergencial para uma quinta-feira característica, em que é possível observar que os intervalos de tempo do período da manhã e do período após o meio-dia apresentaram picos de tempo de execução,  o que denota  a ocorrência de maior número de serviços nestes períodos. A Figura 16 mostra a curva típica de regressão em função do intervalo de tempo em que as ordens de serviço ocorreram. Por fim, a Figura 17 apresenta a previsão de demanda de tempo para uma Quinta-feira.

Figura 15:Demanda típica de atendimento de ordens emergenciais estratificadas nos intervalos de tempo considerados para Quinta-feira.

------

Figura 16:Curva típica de regressão nos intervalos de tempo considerados para Quinta-feira.

------

Figura 17: Previsão de demanda de tempo para Quinta-feira

Finalmente a Figura 18 esboça a demanda de serviço emergencial para uma sexta-feira típica em função da faixa de horário do dia. Foi observado maior tempo de trabalho emergencial nos horários do período da manhã. Já a Figura 19 apresenta a curva de regressão para o comportamento do tempo de serviço para sexta-feira. Apoiando-se nos dados gerados na Figura 20 pode-se realizar a previsão de demanda de tempo para Sexta-feira.

Figura 18:Demanda típica de atendimento de ordens emergenciais estratificadas nos intervalos de tempo considerados para Sexta-feira.

--------

Figura 19:Curva típica de regressão nos intervalos de tempo considerados para Sexta-feira.

--------

Figura 20: Previsão de demanda de tempo para Sexta-feira

A partir das equações geradas pela curva de regressão para os dias da semana analisados foi estimado o valor do tempo de serviço emergencial para uma semana. A Figura 21 mostra a distribuição da demanda estimada em tempo de deslocamento e tempo de execução.

Figura 21: Percentual estimado de tempo de serviço para cada dia observado

A partir dos resultados apresentados na Figura 21, o próximo passo consiste em descontar o tempo médio previsto para atendimento pedidos de emergência de toda a jornada de trabalho, para as equipes disponíveis. Este passo é realizado adicionando todas as horas do dia útil por 11 equipas (oito horas para cada equipe), essas equipes disponíveis podem acumular até 88 horas para cada dia (terceira linha da Tabela I). Para cada dia da semana, o tempo previsto correspondente ao atendimento de ordens emergenciais é mostrado na terceira linha da Tabela I. As horas do dia útil restantes para o atendimento de ordens comerciais foram obtidas pelo desconto da Capacidade disponível de serviço  o Tempo estimado para serviço emergencial (quinta linha da Tabela I). O tempo restante pode ser assumido como as novas horas do dia de trabalho para as 11 equipes consideradas, conduzindo assim a uma decisão diferente sobre o encaminhamento de ordens comerciais.

Tabela I:distribuição do tempo disponível de serviço

5. Conclusões

Este trabalho propôs uma metodologia para prever o tempo necessário para atender as ordens de emergência, de tal maneira que esta previsão auxilie de forma mais assertiva o número de horas de trabalho efetivas para atendimento de ordens comerciais durante os dias da semana para o número de equipas disponíveis. Dessa maneira, as horas de trabalho disponíveis tornam mais realistas as decisões do roteamento de ordens comerciais, uma vez que pode-se concluir que as horas efetivamente disponíveis para os serviços comerciais são sempre reduzidas em função do atendimento de ordens de emergenciais desconhecidas.

A previsão é conduzida por meio de dados históricos de ocorrência e utiliza uma abordagem de regressão polinomial, obtendo-se uma curva de regressão para cada dia da semana. Sendo que, esta curva que tem a quantidade de tempo necessário para completar todas as ordens de emergência ligadas a um dado dia. Conclui-se que a metodologia poderia ser aplicável aos serviços públicos de distribuição de eletricidade, a fim de realizar um planejamento proativo dos serviços emergenciais e, assim, minimizar a distância total de viagem para atender a estes pedidos.

Os resultados obtidos mostram-se satisfatórios pela possibilidade de contribuir, através dos conceitos de gerenciamento de processos e das técnicas de previsão para o apoio a decisão, em uma maior estabilidade para os complexos cenários de atendimentos de ordens de serviço. Além disso, a integração e a execução e o planejamento dos atendimentos proposto por esse trabalho surge como alicerce em apoiar a gestão operacional em prestadoras de serviços.

Referências

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Procedimentos de Distribuição de Energia Elétrica no Sistema Elétrico Nacional – PRODIST. Módulo 6 – Informações Requeridas e Obrigações, ANEEL, 2010.

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Procedimentos de Rede, Brasília, DF, 2011.

GARCIA, V.J.; BERNARDON, D. P.; SPERANDIO, M.; LOSER, G. VALE, C. ;FERNANDES, J. Gestão estratégica das ordens de serviço: uma abordagem para despacho centralizado. 2010. IN: XIX Seminário Nacional de Distribuição de Energia Elétrica .São Paulo. 2010.

GARCIA, V.J.; BERNARDON, D.P.; BASSI, O.A.; ABAIDE, A.; GUNDEL, M.; FERNANDES, J. Emergency work orders in electric distribution utilities: from business process definition to quantitative improvements.2012. In: 47th International Universities' Power Engineering Conference, 2012.

MARTINS, R. S. et al. Decisões estratégicas na logística do agronegócio: compensação de custos transporte-armazenagem para a soja no estado do Paraná. Revista de Administração Contemporânea, v. 9, n. 1, p. 53-78, 2005.

SELAU, L. P. et al. Produção enxuta no setor de serviços: caso do hospital de clínicas de Porto Alegre-HCPA. Revista Gestão Industrial, v. 5, n. 1, 2009.

STEINER, M. T. A.; COSTA, C. E. da S.; COSTA, D. M. B.; ANDRETTA FILHO, É.; ZAMBENEDETTI, V. C. Técnicas da Pesquisa Operacional aplicadas à logística de atendimento aos usuários de uma rede de distribuição de energia elétrica. Revista Eletrônica Sistemas & Gestão. v. 1, n. 3, p. 229-243, setembro a dezembro de 2006.

VELOSO, W. A. A.; MALTA, F. O.; SOARES, A. L. PROTEUS – Despacho de serviços de distribuição utilizando a plataforma Google Earth. Disponível em: http://sg.cier.org.uy/cdi/cier-zeus.nsf/5d482b8005681b6203256f51000315dc/5CBE4 ACB6779598883257674004C4A10/$FILE/TC31.pdf. Acesso em 22/06/ 2015.

1. Programa de Pós Graduação em Engenharia de produção, UFSM, Brasil. email: iochaneguimaraes@gmail.com
2. Programa de Pós Graduação em Engenharia de produção, UFSM, Brasil. leomcaires@live.com
3. Programa de Pós Graduação em Engenharia de produção, UFSM, Brasil. julio.fonini@aes.com
4. Programa de Graduação em Engenharia de Produção, UFSM, Brasil. pame.horn@hotmail.com
5. Professor do Curso de Pós Graduação em Engenharia de Produção, UFSM, Brasil. viniciusjg@gmail.com