iii

METODOLOGIA DE AVALIAO DE FATORES

DETERMINANTES NO NVEL DE SERVIO OFERECIDO
NO CHECK-IN DE VOOS INTERNACIONAIS

Paula Sutherland Wallauer Rolim

Composio da Banca Examinadora:

Prof. Dr. Carlos Mller Presidente - ITA

Prof. Dr. Anderson Ribeiro Correia Orientador - ITA
Prof. Dr. Giovanna Miceli Ronzani Borille Coorientadora - ITA
Prof. Dr. Cludio Jorge Pinto Alves ITA
Prof. Dr. Alexandre De Barros - U of C
Prof. Dr. Luiz Antonio Tozi - FATEC

ITA
 iv

Aos meus pais Otaciel e Berenice e ao meu noivo Tiago, com amor.
 v

Agradecimentos

Agradeo, primeiramente, a Deus pelo dom da vida, pelo cuidado que Ele tem comigo.
Aos meus pais Otaciel e Suely, por me ensinarem tudo aquilo que correto e por me
incentivarem a lutar pelos meus sonhos.
s minhas irms Patrcia e Priscila por serem amigas e companheiras.
Ao meu noivo, Tiago Costa, por seu carinho, apoio e encorajamento.
Aos meus avs, Suely Branca e Lindolfo Wrzler por me acolherem durante o perodo do
mestrado, me dando todo o suporte que eu precisava na jornada.
Ao meu orientador Anderson Correia e minha coorientadora Giovanna Borille, pois sem os
seus conselhos e orientaes, no seria possvel desenvolver essa pesquisa.
Ao Prof. Dr. Alexandre De Barros, ao Prof. Dr. Carlos Mller, ao Prof. Dr. Claudio Jorge e ao
Prof. Dr. Luiz Antonio Tozi que muito nos honraram com a sua participao na banca de
defesa desta tese.
Aos professores do curso de ps-graduao em Engenharia de Infraestrutura Aeronutica
Alessandro Oliveira, Carlos Mller, Claudio Jorge Pinto Alves, e Rogria de Arantes Gomes,
por todo o conhecimento transmitido durante as aulas e seminrios de tese.
Ao Aeroporto Internacional de So Paulo/ Guarulhos, por me fornecer os dados necessrios
para esta pesquisa, por me proporcionar o uso da ferramenta de simulao CAST Terminal, e
por me inserir no ambiente de operaes do aeroporto.
Aos meus supervisores de estgio na GRUAirport, Rodrigo Cardoso, Wilson Souza e
Giuliano Balletta, por me transmitirem conhecimentos prticos sobre aviao, e por
contriburem na construo da tese.
Aos amigos de mestrado e estgio, pela amizade e companheirismo.
CAPES Coordenao de Aperfeioamento de Pessoal de Nvel Superior pelo apoio
financeiro.
 vi

Porquanto o SENHOR quem concede sabedoria, e da sua boca procedem a inteligncia e

o discernimento. Provrbios 2:6
 vii

Resumo

O check-in um procedimento essencial para o transporte internacional de passageiros,

entretanto, frequentemente este procedimento tem apresentado tempos de espera excessivos, e
nvel de servio ruim. Com a finalidade de auxiliar operadores aeroporturios e contribuir
com a comunidade acadmica na determinao das prticas que podem melhorar a qualidade
do servio oferecido neste componente, esta dissertao props uma metodologia de avaliao
de fatores que podem influenciar no nvel de servio de um check-in internacional. Estudos
relacionados ao check-in so comuns na literatura, porm, at o ano corrente nenhum deles
analisou os fatores de influncia no nvel de servio de check-in. Pequenas mudanas na
operao da referida atividade podem trazer importantes mudanas no nvel de servio,
portanto este estudo pretende quantificar os impactos deste tipo de mudana. A metodologia
usada no presente trabalho engloba: (i) levantamento de dados no Aeroporto Internacional de
So Paulo/Guarulhos, (ii) tratamento dos dados coletados, (iii) anlise de infraestrutura, (iv)
aplicao de simulao e (iv) utilizao de regresso. A coleta de dados de 1.575 passageiros
ao longo de 7 dias do ms de outubro do ano de 2015, juntamente com o levantamento de
infraestrutura, foram a base para desenvolver um modelo no software CAST Terminal, o qual
replica as operaes de check-in internacional do Terminal 3 de passageiros do Aeroporto
Internacional de So Paulo/Guarulhos. A validao do modelo foi feita atravs de comparao
estatstica dos resultados da simulao com os resultados do sistema real, e a partir do modelo
verificado e validado foram desenvolvidos 273 cenrios alternativos com variaes dos
seguintes fatores: (i) nmero de balces por companhia area; (ii) incio do atendimento no
check-in; (iii) quantidade de balces prioritrios (business e first class); (iv) porcentagem de
utilizao de autoatendimento (totem e web); (v) tempo de atendimento no balco; (vi)
crescimento de demanda e (vii) nova escala. Estimou-se assim o nvel de servio do check-in
em cada cenrio simulado, assim como o tempo mximo de espera e o espao mnimo
disponvel. Foi construda uma matriz de cenrios por companhia area em que possvel
verificar de que forma o nvel de servio deteriorado ou melhorado atravs da variao dos
fatores e estimou-se tambm o impacto de cada fator sobre o nvel de servio. Entender
melhor a importncia de cada um destes fatores pode ser uma importante informao para
melhorias tanto no nvel de servio quanto na utilizao de infraestrutura disponvel para as
operaes de check-in.
 viii

Abstract

Airport check-in is an essential procedure for the international transport of passengers,

however, this procedure has often shown excessive waiting times and poor level of service. In
order to assist airport operators and contribute to the academic community to determine the
practices that can improve the quality of service offered in this component, this dissertation
proposed a methodology of evaluation of factors that can influence the level of service of an
international check-in. Studies related to check-in are common in the literature; however, until
the current year none of them analyzes the factors influencing the level of check-in service.
Small changes in the operation of the referred activity can bring great changes on the level of
service; therefore this study aims to quantify the impacts of such changes. The methodology
used in this work includes: (i) data collection at the International Airport of So
Paulo/Guarulhos, (ii) treatment of the collected data (iii) infrastructure analysis, (iii)
simulation and (iv) linear regression. The data collection of 1,575.0 passengers within 7 days,
along with the infrastructure survey, was the basis for developing a model in CAST Terminal
software, which replicates the check-in operations of terminal 3 of the International Airport of
So Paulo/Guarulhos. The model validation was done by statistical comparison of the
simulation results with the results of the real system, and after verified and validated, 273
scenarios were developed with variations of the following factors: (i) number of counters by
airline; (ii) the service start time at check-in; (iii) number of priority counters (business, first
class and others); (iv) use percentage of self-service technologies (self check-in kiosks and
web); (v) processing time at the counter; (vi) demand growth and (vii) new scale with the
addition of flight. Thus the level of check-in service was estimated to each simulated scenario,
as well as the maximum waiting time and the minimum available space; an array of scenarios
was built by airline, where it is possible to check how the level of service is deteriorated or
improved by varying the factors and also the impact of each factor on the level of service.
Understanding the importance of each of these factors can be valuable information for
improvement in both the level of service and the use of infrastructure available for check-in
operations.
 ix

Lista de Figuras

Figura 1 Configuraes de Check-in. Adaptado de (Ashford et al, 2013). .......................... 21

Figura 2 Passo a passo da metodologia proposta. Adaptado de (Borille, 2012). ................. 30
Figura 3 Imagem area do Aeroporto Internacional de So Paulo/Guarulhos. .................... 32
Figura 4 Saguo de embarque do Terminal de Passageiros 3. (Concedido pelo Aeroporto
Internacional de So Paulo/Guarulhos). ................................................................................ 33
Figura 5 Saguo de embarque do TPS3. (PANROTAS, 2016). .......................................... 33
Figura 6 Posies de check-in. (PANROTAS, 2016.) ........................................................ 34
Figura 7 Movimentao de passageiros do Terminal 3 por hora do ano. (Concedido pelo
Aeroporto Internacional de So Paulo/Guarulhos). ............................................................... 35
Figura 8 Grfico de disperso com dados de tempo de atendimento coletados para a classe
economica das companhias A, B e C. ................................................................................... 39
Figura 9 Grfico de disperso com dados de tempo de atendimento coletados para despacho
de bagagens das companhias A e C. ..................................................................................... 40
Figura 10 Tipos de fluxo no check-in de passageiros. Adaptado de (IATA, 2014). ............ 41
Figura 11 Sequncia de fluxo no check-in de passageiros. ................................................. 42
Figura 12 Pr-modelagem do check-in do terminal 3. ........................................................ 43
Figura 13 - Alocao de balces das companhias areas A, B, e C, no check-in do TPS 3.
(Dados concedidos pelo Centro de Operaes Aeroporturias - COA).................................. 45
Figura 14 Curva de chegada de passageiros no aeroporto para voos internacionais.
(Concedido pelo Aeroporto Internacional de So Paulo/Guarulhos). .................................... 47
Figura 15 Modelo no CAST Terminal da companhia A. .................................................... 49
Figura 16 Modelo real da companhia area A. ................................................................... 49
Figura 17 Modelo no CAST Terminal da companhia B. .................................................... 50
Figura 18 Modelo real da companhia area B. ................................................................... 51
Figura 19 Modelo no CAST Terminal da companhia area C. ........................................... 51
Figura 20 Modelo real da companhia area C. ................................................................... 52
Figura 21 Histograma de tempo de atendimento e curvas de distribuio ajustada dos totens
de autoatendimento. ............................................................................................................. 56
 x

Figura 22 Histogramas de tempo de atendimento e curvas de distribuio ajustada da

companhia area A. .............................................................................................................. 57
Figura 23 Histogramas de tempo de atendimento e curvas de distribuio ajustada da
companhia area B. .............................................................................................................. 57
Figura 24 Histogramas de tempo de atendimento e curvas de distribuio ajustada da
companhia area C. .............................................................................................................. 57
Figura 25 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia area A. ......................................................................................................... 60
Figura 26 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia B. .................................................................................................................. 60
Figura 27 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia C. .................................................................................................................. 61
Figura 28 Resultado da regresso para o nmero de balces por companhia area. ............ 81
Figura 29 Resultado da regresso para tempo de atendimento. .......................................... 82
Figura 30 - Resultado da regresso para o incio do atendimento no check-in. ...................... 82
Figura 31 - Resultado da regresso para a porcentagem de utilizao de autoatendimento. ... 83
Figura 32 - Resultado da regresso para o crescimento de demanda. .................................... 84
Figura 33 Efeito ceteris paribus da variao de cada fator sobre o tempo de espera na fila de
check-in. .............................................................................................................................. 85
 xi

Lista de Tabelas

Tabela 1 Classificao do Nvel de Servio. Adaptado de (IATA, 2014). .......................... 16

Tabela 2 Padres de tempo de espera para check-in. Adaptado de (IATA, 2014). .............. 17
Tabela 3 Alguns estudos sobre nvel de servio percebido. ................................................ 23
Tabela 4 Estudos sobre nvel de servio oferecido. ............................................................ 28
Tabela 5 Nvel de Confiana e valor de Z/2 (Ornstein, 1992). .......................................... 36
Tabela 6 Resultado da coleta de tempo de atendimento das companhias A, B e C, em
minutos: segundos................................................................................................................ 38
Tabela 7 Resultado da coleta de tempo de atendimento nos totens de autoatendimento, em
minutos: segundos................................................................................................................ 38
Tabela 8 Escala de voos de partida no Perodo Pico. Concedido pelo Aeroporto
Internacional de So Paulo/Guarulhos, atravs da base de dados RPE (Resumo de passageiros
embarcados). ........................................................................................................................ 46
Tabela 9 Inputs do modelo de simulao por companhia area. ......................................... 47
Tabela 10 Dados de entrada requeridos pelo modelo base. ................................................ 53
Tabela 11 Teste de aderncia Qui-quadrado para distribuio Erlang e Erro Quadrtico. ... 58
Tabela 12 Resumo dos dados de validao para as companhias A, B e C, em nmero de
passageiros na fila. ............................................................................................................... 62
Tabela 13 Fatores e nveis da companhia area A. ............................................................. 63
Tabela 14 Fatores e nveis da companhia area B. ............................................................. 64
Tabela 15 Escala de voos da companhia B no perodo pico em 2016. ................................ 65
Tabela 16 Fatores e nveis da companhia area C. ............................................................. 66
Tabela 17 Escala de voos da companhia C no perodo pico em 2016. ................................ 67
Tabela 18 Parametros de IOS, tempo e espao para classificao do nvel de servio (LOS).
Adaptado de (IATA, 2014) .................................................................................................. 68
Tabela 19 Resultado em IOS das simulaes de cenrios aternativos da companhia area A.
............................................................................................................................................ 69
Tabela 20 Resultado em IOS das simulaes de cenrios aternativos da companhia area B,
parte 1. ................................................................................................................................. 71
 xii

Tabela 21 Resultado em IOS das simulaes de cenrios aternativos da companhia area B,

parte 2. ................................................................................................................................. 72
Tabela 22 Resultado das simulaes de cenrios aternativos da companhia area C........... 73
Tabela 23 Matriz de correlao entre as variveis. ............................................................. 78
Tabela 24 - Teste de multicolinearidade Viftest, relizado no Stata - Data Analysis and
Statistical Software, para todos os fatores. ............................................................................ 79
Tabela 25 Teste de multicolinearidade Viftest, relizado no Stata - Data Analysis and
Statistical Software. ............................................................................................................. 80
Tabela 26 Coeficientes, erro padro, t Stat e P-valor. Especificao sem a varivel
quantidade de balces prioritrios (business e first class). .................................................... 80
 xiii

Sumrio

1 INTRODUO........................................................................................................... 15

1.1 Motivao ............................................................................................................. 18

1.2 Justificativa .......................................................................................................... 18

1.3 Objetivos .............................................................................................................. 19

2 REVISO DE LITERATURA ................................................................................... 20

2.1 Check-in................................................................................................................ 20

2.2 Nvel de Servio Percebido .................................................................................. 22

2.3 Nvel de Servio Oferecido e Simulao .............................................................. 23

3 METODOLOGIA ....................................................................................................... 30

3.1 Estudo de Caso ..................................................................................................... 31

3.2 Tamanho da amostra ........................................................................................... 34

3.3 Coleta de dados .................................................................................................... 37

3.4 Simulao ............................................................................................................. 40

3.4.1 Construo do modelo base............................................................................. 42

3.5 Verificao e Validao do Modelo ..................................................................... 53

4 APLICAO E ANLISE DE RESULTADOS DA SIMULAO ........................ 55

4.1 Tratamento dos dados e verificao da qualidade de aderncia ........................ 55

4.1.1 Construo dos histogramas e sobreposio das curvas de distribuio ajustadas

56

4.2 Validao do Modelo de Simulao..................................................................... 58

4.3 Aplicao e Anlise dos Cenrios Alternativos ................................................... 62

4.3.1 Fatores e Nveis .............................................................................................. 62

4.3.2 Cenrios Alternativos...................................................................................... 67

 xiv

5 APLICAO DO MTODO DE REGRESSO ...................................................... 75

6 CONCLUSES E RECOMENDAES .................................................................. 86

6.1 Concluses ............................................................................................................ 86

6.2 Trabalhos Futuros ............................................................................................... 87

7 REFERNCIAS .......................................................................................................... 89

8 APENDICE A FORMULRIO DE COLETA DE DADOS DE TEMPO DE

ATENDIMENTO. .............................................................................................................. 93

9 APENDICE B FORMULRIO DE COLETA DE DADOS DE NMERO DE

PASSAGEIROS NA FILA................................................................................................. 94

10 APNDICE C VALIDAO ATRAVS DO MTODO ANOVA. ..................... 95

 15

1 Introduo

Compreender como melhorar de forma eficiente o nvel de servio (LOS) do check-in

tem sido uma questo importante para operadores aeroporturios. Por isso, estudos sobre
como procedimentos operacionais e variaes na demanda influenciam o nvel de servio do
check-in podem ser muito teis para o planejamento e gerenciamento deste componente. Isto
tem motivado estudos sobre o LOS do check-in por muitos pesquisadores, como Mota (2015),
Hsu (2012), Stolletz (2010), Bruno (2010) e Appelt (2007). Entretanto, apesar do seu esforo,
os fatores que influenciam o nvel de servio do check-in ainda no foram determinados.
Um dos maiores desafios para determinar esses fatores, usando-se a simulao
computacional, considerar em detalhes a operao do check-in para aproximar ao mximo a
simulao da realidade. Por exemplo, os balces que servem classe prioritria (business e
first class), normalmente so usados por outras classes quando esto desocupados; se essa
caracterstica no for considerada, a simulao pode estar comprometida, e como
consequencia, o impacto de outros fatores que afetam o check-in pode estar desbalanceado.
Segundo a definio contida no manual ADRM Airport Development Reference
Manual da IATA (2004), o nvel de servio pode ser descrito como a avaliao da capacidade
da oferta para satisfazer a demanda, combinando medidas quantitativas e qualitativas do
conforto e convenincia relativa. O referido manual classifica o nvel de servio percebido
pelos passageiros segundo condies gerais de conforto, facilidade de deslocamento dentro do
terminal de passageiros, tempos de atendimento e tempo de espera.
A classificao dos nveis de servio segundo o manual da IATA de 2004, apresenta
uma classificao dos nveis de servio variando de A a F, em que o nvel A equivalente a
um excelente nvel de servio, com condio de livre fluxo e excelente nvel de conforto,
enquanto o nvel F representa um inaceitvel nvel de servio, em condio de cruzamento de
fluxos, falncia do sistema e inaceitveis atrasos e nvel de conforto. O nvel de servio C
recomendado pela IATA (2004) como o mnimo a ser atendido, tratando-se de um bom nvel
de servio dentro do terminal de passageiros com um custo razovel.
Entretanto, em 2014 a IATA publicou uma nova verso do manual supracitado com
modificaes no padro de nvel de servio. Segundo o ADRM IATA (2014), a classificao
dos nveis de servio pode variar entre superdimensionado, timo e subtimo, como pode ser
 16

visto na Tabela 1. O nvel de servio timo equivalente ao antigo padro C, o qual continua
a ser recomendado pela IATA (2014) como o mnimo a ser oferecido. Os nveis de servio A
e B passam a ser considerados superdimensionados e a sua utilizao no recomendada para
clculos de dimensionamento de aeroportos. Os nveis de servio D e E passam a ser
considerados subtimos, ou seja, apresentam tempo inaceitvel de espera, ambiente lotado e
desconfortvel para os passageiros.

Tabela 1 Classificao do Nvel de Servio. Adaptado de (IATA, 2014).

Nvel de Servio Espao Tempo

Superdimensionado Espao excessivo ou vazio Proviso excessiva de
recursos
timo Espao suficiente para acomodar as Tempo aceitvel de
funes necessrias em um ambiente processamento e espera.
confortvel.
Subtimo Lotado e desconfortvel Tempo inaceitvel de
processamento e espera.

O tempo um fator de grande significncia para se determinar nvel de servio, porm

existe uma grande dificuldade em se estabelecer uma relao entre o espao disponvel e o
tempo ao se quantificar o nvel de servio. Segundo o manual da IATA (2014), o tempo de
espera aceitvel para o check-in internacional e domstico da classe econmica varia de 10 a
20 minutos, enquanto na classe business varia de 3 a 5 minutos. Os padres de tempo de
espera recomendados pela IATA (2014) esto detalhados na Tabela 2, e so diferenciados
pelo tipo de atendimento (autoatendimento, despacho de bagagem e check-in convencional),
assim como pelas classes econmica ou prioritria (business e first class).
 17

Tabela 2 Padres de tempo de espera para check-in. Adaptado de (IATA, 2014).

Tempo de espera em minutos Tempo de espera em minutos

para a classe economica para a classe prioritria
Nvel de Servio A B C D E A B C D E
Auto-Atendimento
0 0-2 >2 0 0-2 >3
(Toten/CUSS*)
Despacho de
0 0-5 >5 0 0-3 >3
Bagagem
Business
Check-in <3 3-5 >5
<10 10-20 >20
convencional First Class
0 0-3 >3
*CUSS: Common Use Self-Service. Uso compartilhado de totem de autoatendimento.

Um importante quesito a se considerar para o nvel de servio de um componente

entender quais so os fatores que influenciam na formao da qualidade do servio e bem-
estar do passageiro. A IATA (2014) aponta o tempo e o espao como fatores quantitativos que
influenciam na formao do nvel de servio oferecido, mas no especifica quais so os
fatores que influenciam na formao do tempo de espera do passageiro e o que faz com que
esse tempo de espera seja maior ou menor.
No estudo de Borille e Correia (2013), cinco fatores so considerados como capazes
de afetar o tempo de espera dos passageiros durante a restituio de bagagens em aeroportos
internacionais, sendo: (i) o permetro da esteira de bagagens, (ii) o tempo entre a chegada da
aeronave e a chegada das bagagens na esteira, (iii) o nmero de bagagens por passageiro, (iv)
o tempo entre a chegada da aeronave e a chegada dos passageiros na esteira e (v) o tempo
entre voos alocados para uma mesma esteira. possvel perceber, atravs deste estudo, que a
complexidade da determinao do nvel de servio no se atm somente ao espao disponvel,
dependendo tambm do tempo, o qual est interligado com uma srie de outros fatores.
Seguindo a mesma premissa do estudo de Borille e Correia (2013), a presente
dissertao prope uma metodologia para identificar os principais fatores que influenciam no
tempo de espera de um check-in internacional, sendo as variveis de estudo: (i) o nmero de
balces por companhia area; (ii) o incio do atendimento no check-in; (iii) quantidade de
balces prioritrios (business e first class); (iv) porcentagem de utilizao de autoatendimento
(totem e web); (v) tempo de atendimento no balco; (vi) crescimento de demanda e (vii) nova
escala. Para isto, foi utilizado como ferramenta o software de simulao CAST Terminal, no
 18

qual foram modelados diferentes cenrios com variao dos fatores determinantes do nvel de
servio e os resultados das simulaes foram analisados em IOS (Index of Service), sendo este
um ndice que permite associar o espao disponvel e o tempo de espera. Por fim, foi
determinada a importncia de cada fator na construo do nvel de servio atravs do mtodo
de regresso de Cobb Douglas, segundo Douglas (1976), o que permitiu determinar o
coeficiente de impacto de cada varivel.

1.1 Motivao

A melhoria dos nveis de servio e ganho de efetividade operacional, associado ao

controle de custo e aumento da receita, uma meta constante para os operadores
aeroporturios. Caractersticas como rapidez e efetividade nas operaes agregam valor para o
passageiro, pois geram conforto e satisfao, e tambm agregam valor para o aeroporto, pois
aumentam a disponibilidade do passageiro para o consumo e explorao de diversas reas do
aeroporto.
Investimentos em infraestrutura devem ser bem dimensionados para atender todas as
complexidades de um aeroporto. A tomada de deciso quanto a estes investimentos pode ser
auxiliada pelo uso de simuladores para que se obtenham resultados mais precisos quanto s
necessidades fsicas de um aeroporto. Sabendo disso, alguns dos aeroportos brasileiros, que
recentemente passaram pelo processo de concesso, foram motivados a adquirir simuladores
para auxiliar na tomada de decises quanto a procedimentos de operaes e aquisio de
equipamentos. Um dos softwares adquiridos por alguns destes aeroportos o CAST Terminal,
um software especfico para aeroportos, no qual possvel desenvolver modelos em trs
dimenses (3D) que simulam qualquer operao do aeroporto. Este software utilizado neste
presente estudo para desenvolver um modelo de check-in que permita avaliar diferentes
cenrios com variaes nos fatores determinantes no nvel de servio.

1.2 Justificativa

Estudos relacionados ao check-in so comuns na literatura; trabalhos mais recentes

como Mota (2015) e Maia et al. (2010) utilizam a ferramenta de simulao para avaliar
cenrios possveis dentro do check-in, porm eles no abordam com profundidade a influncia
 19

de diferentes fatores dentro dos cenrios, como o incio do atendimento no check-in, a

utilizao de autoatendimento (totem e web), o tempo de atendimento no balco, dentre
outros. Entender a influncia de cada um desses fatores sobre o nvel de servio do check-in,
alm de ser algo pouco explorado, contribuindo com o conhecimento acadmico, pode ser
uma importante ferramenta para operadores aeroporturios na alocao de balces e definio
de polticas operacionais, contribuindo para a melhora da qualidade e da eficincia
operacional dos aeroportos do Brasil.

1.3 Objetivos

O objetivo principal deste trabalho propor, por meio da observao de caso real e
tambm por simulao em software, uma metodologia de avaliao dos fatores determinantes
para o nvel de servio no check-in de voos internacionais. Os objetivos secundrios so: (i)
investigar o impacto do aumento da demanda e de alteraes fsicas e operacionais no check-
in, (ii) avaliar a adequao dos recursos disponveis e nvel de servio frente demanda atual
e futura e (iii) aferir sobre a gesto da operao de um check-in internacional.
 20

2 Reviso de Literatura

A presente reviso de literatura conta com 3 subcaptulos. O primeiro subcaptulo

aborda diversas consideraes sobre conceitos de check-in, o segundo subcaptulo aborda
sobre conceitos de nvel de servio percebido e o terceiro subcaptulo aborda sobre nvel de
servio oferecido e o uso de simulao computacional em estudos acadmicos.

2.1 Check-in

O check-in um procedimento que todos os passageiros precisam realizar antes do

embarque. Durante esse processo so confirmados os dados pessoais do passageiro e ento
emitido o carto de embarque. Em voos internacionais, o check-in deve ser realizado at uma
hora anterior ao horrio programado para a partida do voo, j para voos domsticos, esse
tempo cai pela metade. O horrio de fechamento de check-in implica diretamente sobre a
curva de chegada de passageiros no aeroporto. Segundo Ashford et al (2013), passageiros
internacionais chegam com maior antecedncia ao voo, e costumam passar mais tempo no
terminal de passageiros.
O check-in tradicional feito no balco de atendimento da companhia, dentro do
aeroporto, enquanto o check-in de autoatendimento pode ser feito de duas formas: (i) nos
totens de autoatendimento do aeroporto, (ii) atravs do web check-in, que pode ser feito no
celular ou no computador. Para os passageiros que fazem check-in atravs do autoatendimento
e possuem bagagem a ser despachada, necessrio passar pelo balco baggage drop ou
despacho de bagagens da companhia antes de se dirigir ao porto de embarque. Os
passageiros que realizam o check-in tradicional tm seus itens despachados durante o
procedimento de check-in.
Segundo Ashford et al (2013), o check-in tradicional e o despacho de bagagens podem
ser organizados por meio de trs configuraes: linear, ilha e flow-through, como mostra a
Figura 1.
 21

Figura 1 Configuraes de Check-in. Adaptado de (Ashford et al, 2013).

Ashford et al (2013) afirmam que tanto o check-in linear como o de ilha tem a
desvantagem de o fluxo de passageiros que deixam os balces poderem conflitar com as filas
de passageiros aguardando para serem atendidos. O tipo de check-in Flow-through,
entretanto, evita esta dificuldade, porm s possvel aplicar essa configurao quando o
terminal tem espao para acomodar o movimento vertical de bagagens no piso de check-in.
As filas de check-in normalmente so do tipo snake ou cobra, onde vrios balces
so servidos pela mesma fila. Esse tipo de fila costuma ser longa, e pode vir a ser demorada,
entretanto ela facilita a organizao da fila por ordem de chegada. O espaamento entre os
separadores de fila deve ser de um tamanho adequado que no prejudique a passagem de
 22

pessoas com carinhos ou grandes volumes de bagagens. Outro tipo de fila a individual, a
qual mais usada para os totens de autoatendimento. Este tipo de fila permite ao passageiro
escolher qual balco ou totem ele deseja ser atendido, entretanto, devido a diferenas no
tempo de uso de cada equipamento, algumas filas podem ser mais rpidas que outras,
beneficiando certos passageiros em detrimento de outros.
De acordo com Castillo-Manzano e Lopez-Valpuesta (2013), a necessidade das
companhias areas de diminuir custos atrelada necessidade dos aeroportos em otimizar o
espao disponibilizado para as companhias, muito tem favorecido o uso de tecnologias de
autoatendimento no check-in. Porm o uso do autoatendimento depende no s do incentivo
da companhia area ou do aeroporto, mas da deciso do passageiro. Segundo Castillo-
Manzano e Lopez-Valpuesta (2013), os fatores que determinam a escolha do modo de check-
in incluem a idade do passageiro, nvel de educao, tipo de viagem (se a negcios ou a
lazer), tempo de fila, entre outros. Os autores tambm explicitam que o uso de
autoatendimento permite reduzir o tempo de fila para o check-in.

2.2 Nvel de Servio Percebido

Os diversos conceitos sobre nvel de servio encontrados na literatura abordam valores

quantitativos e/ou qualitativos. O manual ADRM da IATA (2004) considera a seguinte
definio: o nvel de servio pode ser considerado como uma faixa de valores que traduzem
a habilidade de atender a demanda e combina valores quantitativos e qualitativos de conforto
e convenincia. A abordagem qualitativa depende da observao dos passageiros do terminal
e da percepo que eles tm acerca dos servios e instalaes do aeroporto, sendo chamado de
nvel de servio percebido. A Tabela 3 elenca alguns estudos sobre nvel de servio percebido
em aeroportos brasileiros, entre os quais se percebe a aplicao nos seguintes aeroportos:
Aeroporto Internacional de So Paulo/Guarulhos, Aeroporto de Congonhas/So Paulo, e
Aeroporto Internacional de Braslia - Presidente Juscelino Kubitschek.
 23

Tabela 3 Alguns estudos sobre nvel de servio percebido.

Estudo de
Nvel de Fluxo de
Pesquisa Caso Anlise
Servio passageiros
(aeroporto)

Correia, Percebido Guarulhos Embarque e Apresenta um ndice global para a

Wirasinghe Desembarque avaliao do nvel de servio dos
e Barros componentes operacionais em um
(2008) aeroporto

Correia e Percebido Guarulhos Embarque Metodologia para desenvolver

Wirasinghe padres de nvel de servio em
(2007) terminal de passageiros baseado na
percepo de usurios

Bandeira, Percebido Guarulhos, Embarque Importncia de indicadores,

Borille, Congonhas qualitativos ou quantitativos, que
Maia e e Braslia afetam a percepo da qualidade
Moser de servio no aeroporto
(2014)

Entretanto, o nvel de servio estudado na presente dissertao o nvel de servio

oferecido, o qual representa medidas quantitativas de tempo de espera, tempo de
processamento e espao fsico disponvel; estudos que abordam o tipo de nvel de servio
oferecido sero descritos na seo 2.3.

2.3 Nvel de Servio Oferecido e Simulao

Na avaliao do nvel de servio oferecido, a simulao pode ser uma ferramenta

muito til. A aplicao de modelos de simulao computacional amplamente usada no meio
acadmico e empresarial, pois proporciona conhecer o comportamento do fenmeno de
anlise e, ainda, gerar cenrios alternativos.
De acordo com Almeida (1998), os modelos de simulao so aqueles que convertem
parmetros e dados de entrada em sadas que caracterizam o sistema em questo, buscando
retratar o comportamento real do sistema e prever resultados. Manataki e Zografos (2009)
afirmam que a complexidade associada modelagem de terminais aeroporturios est
relacionada a trs fatores: alternativas de layout, alternativas de polticas operacionais e
alternativas de desempenho (baseadas na troca entre as duas primeiras alternativas).
 24

O estudo de Borille e Correia (2013) desenvolve um mtodo que avalia o nvel de

servio oferecido no desembarque e capaz de determinar quais so os fatores que
influenciam na sua formao. A metodologia do referido trabalho faz uso de monitoramento
de usurios, anlise de infraestrutura do terminal de passageiros, desenvolvimento de modelos
de simulao atravs do software Tecnomatix Plant Simulation e utiliza o mtodo de Matrizes
de Experimentos utilizando Arranjos Ortogonais e Regresso Linear.
No trabalho supracitado dada nfase existncia de duas classes de fatores na
simulao: controlveis e no controlveis (mantidos constantes em todas as simulaes).
Alguns dos fatores controlveis no referido trabalho so: o permetro da esteira, o nmero de
balces de controle de passaporte, a quantidade de voos alocados por esteira, entre outros.
Como fatores no controlveis, citam-se: a velocidade dos trabalhadores para a colocao das
bagagens sobre as esteiras, a velocidade mxima permitida para os carros que levam a
bagagem desde a aeronave at a esteira, entre outros.
Como visto no estudo de Borille e Correia (2013), o permetro da esteira um dos
fatores determinantes na formao do nvel de servio no desembarque. Com o surgimento de
aeronaves grandes do tipo conhecido como New Large Aircraft NLA (aeronaves que
transportam entre 500 e 1000 passageiros por voo e so usadas em voos internacionais de
grande densidade) houve a necessidade de se projetar esteiras com um tamanho ideal para este
tipo de demanda. Segundo Eller et al. (2011) os fatores que influenciam no tamanho da esteira
so a quantidade de passageiros por voo, o nmero de bagagens por passageiro, a velocidade
com que a esteira alimentada e o tempo entre a chegada do primeiro passageiro e a chegada
da primeira bagagem.
Em voos internacionais, existe o processo de controle de passaporte que atrasa a
chegada do passageiro na esteira de bagagens. Nestes casos, quanto mais rpido a bagagem
chega esteira, menor a chance de o seu dono j estar l, e isso gera a necessidade de mais
espao para acomodao das bagagens, ou at mesmo que um funcionrio precise empilhar as
malas em uma rea prxima esteira. Eller et al. (2011) sugere que, uma estratgia para evitar
este tipo de situao seria diminuir a velocidade de alimentao da esteira.
Andreatta et al. (2007) apresenta um modelo para anlise do terminal de passageiros
do Aeroporto Internacional de Atenas (Grcia) testando diferentes cenrios de demanda: o
cenrio atual, a previso de demanda futura e a previso de demanda durante o evento das
Olimpadas. A simulao foi feita usando a plataforma OPAL, em uma verso avanada
 25

chamada SLAM. Andreatta et al. (2007) conclui que simples modificaes nas polticas de
gerenciamento do aeroporto sero suficientes para melhorar o desempenho do terminal.
Os atrasos na movimentao de bagagens so um inconveniente tanto para os
passageiros como para a companhia area. Segundo Andreatta et al. (2007), a IATA (2004)
avalia atrasos em 40 dlares por minuto e, portanto, polticas para reduzir os atrasos podem
evitar desperdcios financeiros. Por isso, alm de determinar os nveis de servio ao longo do
terminal de passageiros, o autor procura prever quais sero os atrasos no sistema em cada
cenrio simulado.
O espao disponvel um dos principais fatores que afeta o nvel de servio em
qualquer componente do aeroporto. Este espao deve ter capacidade condizente com a
demanda, e se necessrio, quando a demanda crescer em certo ponto, a capacidade fsica
tambm deve expandir. Solak et al. (2009), desenvolveu um algoritmo que proporciona a
capacidade tima para cada rea do terminal de passageiros, e pode ser usado como auxlio no
projeto de novos terminais e para polticas de expanso, pois considera o problema de
planejamento de capacidade do terminal como um todo, dispensando, portanto, o uso de
complexas modelagens.
Marcos e Ferreira (2015), com o intuito de auxiliar no planejamento de capacidade de
terminais de passageiros, apresentam um modelo em Dinmica de Sistemas que proporciona
dimensionar os subsistemas de um aeroporto, incluindo o terminal de passageiros, pistas e
ptio. Os autores usam esta ferramenta para avaliar a situao de treze aeroportos brasileiros,
atravs da comparao da capacidade ideal produzida e a capacidade real, classificando-os
como adequada, crtica e preocupante. Uma de suas concluses que na maioria dos
aeroportos estudados, a pista o subsistema que apresenta melhores condies, enquanto que
o terminal de passageiros o subsistema em pior condio.
Em vista disso, o terminal de passageiros deve obter ateno especial atravs de
estudos e planejamento adequado, pois ele pode limitar a capacidade de um aeroporto inteiro.
O nvel de dificuldade dos modelos usados para simular terminais de passageiros pode ser
uma barreira para muitos operadores e estudiosos. Com o objetivo de simplificar a
modelagem, Manataki e Zografos (2009) desenvolveram um modelo de complexidade mdia,
com uso do System Dynamics-Based Tool PLATO, composto por ns e ligaes, sendo os ns
os processos e reas funcionais do terminal, enquanto as ligaes representam o fluxo de
passageiros.
 26

O que mais importa para o modelo de Manataki e Zografos (2009) no so as

caractersticas fsicas do terminal de passageiros, mas sim como os ns (componentes do
terminal) esto interligados. Isso permite maior generalizao e aplicabilidade do modelo a
outros aeroportos para determinar o desempenho do terminal. Os autores dividem o modelo
em instalaes dos seguintes tipos: (i) processamento; (ii) espera e (iii) fluxo; e cada
instalao caracterizada por uma demanda e uma capacidade. Baseado nesta combinao de
caractersticas, o nvel de servio pode ser estabelecido.
Alm de Manataki e Zografos (2009), outros autores dividiram as instalaes do
terminal em processamento, espera e fluxo, um deles foi Feitosa (2000). Este pesquisador
desenvolveu um modelo de simulao que representa o processamento de passageiros, de
bagagens e de acompanhantes realizado no interior de um tpico terminal de passageiros de
um aeroporto regional brasileiro. O autor considera tanto os fluxos de embarque como os de
desembarque ao longo dos componentes operacionais.
Feitosa (2000) classifica os terminais de passageiros de aeroportos regionais em trs
categorias. A categoria mais simples dispe apenas de uma rea coberta cumprindo o papel do
saguo, onde realizado o check-in e dado o acesso aeronave; no desembarque as
bagagens so trazidas manualmente. A segunda categoria j dispe de um saguo com balces
de check-in para as companhias areas. A categoria mais complexa aquela que dispe das
caractersticas anteriores, alm de ter vistoria antissequestro, sala de pr-embarque e rea de
restituio de bagagem. Para a simulao, Feitosa (2000) optou em usar o software ARENA,
e analisou diferentes cenrios em seu modelo, como por exemplo, diferentes nmeros de
passageiros por aeronave com mnimo de 11 e mximo de 49, e diferentes nmeros de
bagagens por passageiros com mnimo de 0,32 e mximo 1,63.
Assim como Feitosa (2000), Appelt et al. (2007) tambm desenvolveu um modelo de
simulao no software ARENA, porm com o intuito de prever atrasos no check-in em
aeroportos de mdio porte nos Estados Unidos. No estudo de caso de Appelt et al. (2007), o
check-in era composto por quiosques convencionais, um quiosque expresso (utilizado por
usurios que no iriam despachar malas) e um counter (rea usada para pesar bagagens e
imprimir etiquetas somente). O autor detecta atravs da variao de cenrios que os atrasos
poderiam ser reduzidos se o counter fosse retirado, abrindo espao para outras utilidades.
Dentro dos estudos de cenrios alternativos encontra-se o trabalho de Maia et al.
(2010), o qual testou diferentes cenrios atravs de simulao computacional para melhoria de
 27

nvel de servio de check-in em diferentes aeroportos do Brasil. Um dos aeroportos analisados

foi o Aeroporto Internacional de So Paulo/Guarulhos, e para esse aeroporto, os autores
chegaram concluso de que a redistribuio de balces pode vir a melhorar o processamento
de check-in. Outra alternativa encontrada no estudo de Maia et al. (2010) a eliminao dos
balces de pr-atendimento no check-in internacional do mesmo aeroporto, pois segundo os
resultados, este procedimento pode trazer melhora no tempo total de processamento de
passageiros alm de liberar mais espao para ser usado nos bolses de fila. O estudo Maia et
al. (2010) testa cenrios que apresentam nveis de servio melhores ou piores, e demonstra
quais procedimentos e parmetros representam cada cenrio, porm no analisa a importncia
destes parmetros na formao do nvel de servio.
O estudo de Mota (2015) apresenta uma metodologia que mescla o uso de algoritmo
de otimizao e simulao para identificar alocaes mais eficientes para os balces. O
algoritmo utilizado para melhorar a alocao inicial de balces de check-in, tendo em conta
as restries impostas pelo aeroporto. Uma vez que a soluo matemtica encontrada, so
feitas avaliaes atravs da simulao, a qual leva em conta outros elementos do problema,
tais como local fsico, organizao de fila, curva de chegada dos passageiros e eficincia do
pessoal. O autor ento compara o nvel de servio de um cenrio inicial e o nvel de servio
obtido atravs da otimizao.
A Tabela 4 apresenta um resumo de todas as pesquisas revisadas, as quais abordaram
sobre nvel de servio oferecido no terminal de passageiros. A primeira coluna apresenta os
autores de cada pesquisa, a segunda apresenta a ferramenta utilizada para a simulao, a
terceira apresenta os aeroportos usados como estudo de caso, a quarta mostra se o fluxo
estudado foi de embarque ou desembarque e a ltima coluna faz um resumo da anlise da
pesquisa.
 28

Tabela 4 Estudos sobre nvel de servio oferecido.

Estudo de Fluxo de
Pesquisa Ferramenta Anlise
Caso Entidades
Algortimo
Apresenta uma metodologia de
Mota de Dados
Embarque otimizao de alocao de
(2015) otimizao e hipotticos
balces
SIMIO
Global, Apresenta um modelo capaz
Marcos e Treze incluindo de auxiliar no
Dinmica de
Ferreira aeroportos Terminal de dimensionamento dos
Sistemas
(2015) brasileiros passageiros, subsistemas de um aeroporto:
Pistas e Ptio Terminal, Pistas e Ptio.
Aeroporto de
Guarulhos, Mtodo para investigar quais
Borille e Tecnomatix
Galeo, so os fatores que influenciam
Correia Plant Desembarque
Braslia, no nvel de servio do
(2013) Simulation
Viracopos e desembarque.
Congonhas
Coelho, Avaliao do nvel de servio
Silva e Medeiros Aeroporto de Embarque e oferecido no terminal de
Dinato (2004) Ribeiro Preto Desembarque passageiros de um aeroporto
(2012) regional
Eller, Avaliao de uma esteira de
Feitosa e EXCEL e Dados bagagens ideal, capaz de
Desembarque
Porto ARENA hipotticos atender as necessidades de
(2011) uma aeronave grande
Aeroporto de
Apresenta cenrios
Maia et Guarulhos,
ARENA Embarque alternativos para melhoria de
al. (2010) Congonhas e
nvel de servio de check-in
Braslia
Manataki Systems Apresenta uma ferramenta que
Athens
e Dynamics- incorpora detalhes suficientes
International Global
Zografos Based Tool para avaliar o desempenho do
Airport
(2009) PLATO terminal de passageiros
Concebe um modelo que
proporciona um algortimo que
Solak, Multistage
Atlanta fornece a capacidade tima
Clarke e Stochastic
International Global necessria em cada rea do
Johnson Programmin
Airport terminal de passageiros, assim
(2009) g Model
como a expanso tima para
uma demanda futura.
Appelt
Batta Buffalo Simulao de check-in de
Lin e Niagara passageiros em um aeroporto
ARENA Embarque
Drury International mdio nos EUA para prever
(2007) Airport atrasos
 29

Apresenta um modelo de
anlise de nvel de servio e
Andreatta
Athens possveis atrasos em voos, para
Brunetta OPAL -
International Global o terminal de passageiros do
e Righi SLAM
Airport Aeroporto Internacional de
(2007)
Atenas sob trs diferentes
cenrios de demanda
Concebe um modelo de
Aeroporto de
simulao aplicvel anlise
Feitosa So Jos dos
ARENA Global operacional de terminais em
(2000) Campos e
aeroportos regionais
Ribeiro Preto
Brasileiros

Os autores citados ao longo desta reviso bibliogrfica estudaram assuntos referentes

ao terminal de passageiros com os seguintes focos: anlise operacional, anlise de nvel de
servio, atrasos em voos, capacidade tima, desempenho, permetro ideal para esteiras de
bagagens e dimensionamento. O nico estudo que determinou os fatores que influenciam no
nvel de servio foi o trabalho de Borille e Correia (2013), porm o seu trabalho est focado
no desembarque. Sendo assim, a presente dissertao pretende contribuir com a comunidade
cientfica atravs da determinao de uma metodologia de avaliao de fatores que
influenciam no nvel de servio do check-in.
 30

3 Metodologia

Assim como feito por Borille (2012), a proposta de metodologia desta dissertao
segue quatro etapas, como mostra a Figura 2.

Figura 2 Passo a passo da metodologia proposta. Adaptado de (Borille, 2012).

Atravs do modelo de cooperao cientfica entre o Aeroporto Internacional de So

Paulo/Guarulhos e o Instituto Tecnolgico de aeronutica (ITA), foi possvel aplicar o estudo
de caso no prprio aeroporto, com uso da ferramenta de simulao CAST Terminal,
disponibilizada pela concessionria. O dimensionamento da amostra foi feito com base na
estimativa de proporo populacional aplicada hora pico de embarque internacional, sendo a
metodologia de simulao definida nesta fase. A etapa seguinte foi a elaborao de um
modelo inicial com dados hipotticos, entretanto com a mesma metodologia a ser aplicada no
estudo de caso. A coleta de dados englobou a medio de tempos de processamento por tipo
de check-in (convencional, despacho de bagagens e autoatendimento) e nmero de
passageiros na fila, alm de dados disponibilizados pelas companhias areas como a
porcentagem de passageiros por classe (econmica e prioritria), a porcentagem de
 31

passageiros que utiliza autoatendimento, dentre outros. Na terceira etapa ocorreu a aplicao
destes dados no modelo de simulao desenvolvido na fase anterior, e em seguida o modelo
foi verificado e validado. Cenrios alternativos foram simulados a fim de analisar o impacto
do aumento de demanda, das diferentes caractersticas da infraestrutura e operao
aeroporturia, para que se obtivesse um indcio de quais so as variveis que exercem
influncia no nvel de servio do check-in internacional do terminal de passageiros. Por fim,
foi aplicada a tcnica de regresso Cobb Douglas, segundo Douglas (1976), para a anlise
final dos resultados e para entender o nvel de influncia dos fatores na formao do nvel de
servio.

3.1 Estudo de Caso

O Aeroporto Internacional de So Paulo/Guarulhos foi tomado como estudo de caso,

devido ao seu destaque em dois aspectos: (i) o principal aeroporto no Brasil e na Amrica do
Sul em termos de trfego de passageiros segundo a Official Airline Guide - OAG (2015), e (ii)
devido participao da pesquisadora em um programa de cooperao cientfica do aeroporto
em parceria com universidades, o qual proporciona estgio a alunos de instituies diversas.
No ano de 2012 o Aeroporto Internacional de So Paulo/Guarulhos passou pela
privatizao. Segundo INFRAERO (2015), o processo de privatizao de aeroportos um
fenmeno recente no Brasil e teve como objetivo principal ampliar e aperfeioar a
infraestrutura aeroporturia do pas, promovendo melhorias no atendimento e na qualidade
dos servios prestados aos usurios do transporte areo. O processo de privatizao de
aeroportos no Brasil se deu por meio de concesses, as quais so contratos que preveem a
transferncia da administrao e explorao comercial do aeroporto para o setor privado,
responsabilizando-o pelo suporte operacional, segurana de voo e conforto dos usurios.
Com esse processo, o Aeroporto de Internacional de So Paulo/Guarulhos passou a
buscar mais intensamente a realizao de estudos de otimizao, eficiencia e nvel de servio,
e uma das ferramentas para a realizao desses estudos a simulao operacional.
Recentemente, o referido aeroporto passou a utilizar o software CAST Terminal como
ferramenta que auxilia no dimensionamento de capacidade e mudanas operacionais; este
software foi disponibilizado pelo aeroporto para o desenvolvimento desta pesquisa, para
gerao de valores que contribussem com a concessionria e com o meio acadmico.
 32

Segundo o site oficial da GRU Airport, o Aeroporto Internacional de So

Paulo/Guarulhos movimentou um total de 39.537.248,0 passageiros no ano de 2014, e
38.985.000,0 no ano de 2015. O referido aeroporto faz uso de trs terminais de passageiros; o
Terminal 1 (TPS1) opera somente voos domsticos, o Terminal 2 (TPS2) opera voos
domsticos e internacionais, enquanto o Terminal 3 (TPS3) opera somente voos
internacionais. A organizao dos terminais pode ser vista na Figura 3.

Figura 3 Imagem area do Aeroporto Internacional de So Paulo/Guarulhos.

(GRUAIRPORT, 2016).

Como mencionado na seo 1.3, o presente trabalho analisa o sistema de check-in de

voos internacionais, portanto, o foco da pesquisa concentrado no Terminal de Passageiros 3
do Aeroporto Internacional de So Paulo/Guarulhos. Segundo o site oficial do aeroporto, o
Terminal de Passageiros TPS3 entrou em operao no dia 11 de maio de 2014, aps um ano e
nove meses de obras, com capacidade inicial para receber 12 milhes de pessoas por ano,
contando com uma rea de 192 mil metros quadrados. O saguo de embarque composto por
3 ilhas de check-in: a ilha F, G e H, as quais apresentam 36 balces de atendimento cada. A
organizao do saguo de embarque pode ser vista na Figura 4. A Figura 5 e a Figura 6
mostram algumas imagens internas do saguo de embarque do TPS 3.
 33

Figura 4 Saguo de embarque do Terminal de Passageiros 3. (Concedido pelo Aeroporto

Internacional de So Paulo/Guarulhos).

Figura 5 Saguo de embarque do TPS3. (PANROTAS, 2016).

 34

Figura 6 Posies de check-in. (PANROTAS, 2016.)

3.2 Tamanho da amostra

Para definir o tamanho ideal da amostra a ser coletada, precisa-se saber primeiro qual
a populao a ser considerada. Para este trabalho, foi considerado como populao os
passageiros presentes nos voos da Hora Pico (HP), mais os voos que influenciam fortemente
na formao das filas da HP.
O conceito de Hora Pico varia de instituio para instituio; este conceito
fundamenta-se no fato de que o terminal de passageiros no ser projetado para o maior
movimento instantneo previsto e sim para um valor representativo de intensa movimentao
que ocorre com alguma frequncia. A seguir constam algumas definies de Hora Pico:
FAA Federal Aviation Administration (1988)- hora pico do dia mdio do ms
pico;
IATA International Air Transport Association (2014) - hora mais
movimentada do segundo dia mais movimentado da semana mdia do ms pico;
Standard Busy Rate SBR, mencionado em Wang e Pitfield (1999) 30 hora
mais movimentada do ano;
O contrato de concesso Aeroporto Internacional de So Paulo/Guarulhos usa para
fins de dimensionamento o mtodo SBR (Standard Busy Rate) que considera como Hora Pico
a 30 hora mais movimentada do ano. Porm outro Benchmark do aeroporto o ADRM da
IATA (2014). O clculo de Hora Pico desta presente pesquisa baseia-se no mtodo SBR, com
 35

base nos voos internacionais realizados em um perodo de um ano, sendo de 31/07/2014 a

31/07/2015. A curva de movimentao hora a hora do embarque no Terminal 3 do Aeroporto
Internacional de So Paulo/Guarulhos, durante o perodo de um ano, est representada na
Figura 7.

4000
3500
Nmero de Pax

3000
2500
2000
1500
1000
500
0
1
238
475
712
949
1186
1423
1660
1897
2134
2371
2608
2845
3082
3319
3556
3793
4030
4267
4504
4741
4978
5215
5452
5689
5926
6163
6400
6637
6874
7111
7348
7585
7822
8059
8296
8533
Hora do Ano

Figura 7 Movimentao de passageiros do Terminal 3 por hora do ano. (Concedido pelo

Aeroporto Internacional de So Paulo/Guarulhos).

A HP de embarque internacional do TPS 3, considerando o mtodo SBR, apresentou

uma movimentao de 2218 passageiros, entre 23:00h e 00:00h. A base de dados utilizada
para se extrair a Hora Pico proveniente do sistema AMS (Airport Management Sistem),
utilizado pelo Aeroporto Internacional de So Paulo/Guarulhos. Essa base contm a
quantidade de passageiros embarcados por hora e por dia, fornecido pelas cias areas.
Vale ressaltar que, para o modelo de simulao empregado nesta dissertao,
determinou-se um segundo parmetro chamado de Perodo Pico (PP), o qual inclui os voos da
Hora Pico mais os voos previstos durante um perodo de 2 horas antes da HP e 2 horas depois
da HP, pois estes tm influncia significativa sobre a formao das filas da HP.
Os voos realizados no Perodo Pico, para os meses de anlise no TPS 3 do Aeroporto
Internacional de So Paulo/Guarulhos, totalizam 6496 passageiros, e 11 companhias areas
operam neste perodo, dentre as quais existem trs de maior participao, com um total de
65% da movimentao do Perodo Pico.
Por questes de confidencialidade, as empresas areas de anlise so aqui nomeadas
de companhias A, B e C; a companhia A possui 39% do total de passageiros do Perodo Pico
do aeroporto de estudo, a companhia B possui 18% e a companhia C possui 8%. Estas trs
 36

empresas areas foram escolhidas como foco deste trabalho por terem grande impacto no
embarque internacional do aeroporto.
Considerou-se para o clculo da amostra, que a populao equivalente ao nmero de
passageiros do Perodo Pico, ou seja, 6.496 passageiros. A utilizao de amostra implica na
aceitao de uma margem de erro denominada erro amostral, o qual a diferena entre um
resultado amostral e o verdadeiro resultado populacional. Segundo Triola (1999) apud Borille
(2012), como no possvel evitar a margem de erro, deve-se limitar o valor do erro amostral.
Para o dimensionamento da amostra no presente trabalho foi utilizada a Equao 1, a qual
baseia-se na estimativa da proporo populacional:

( / )
= ( )
(1)
( / )

Em que: n o tamanho da amostra, Z/2 um valor padronizado e corresponde a um

determinado nvel de confiana que varia de 99,75% a 68,27%, segundo a Tabela 5. E o
erro da amostra e N o tamanho da populao. A varivel p diz respeito proporo da
populao analisada.

Tabela 5 Nvel de Confiana e valor de Z /2 (Ornstein, 1992).

Nvel de
confiana 99,75 99,00 98,00 95,00 90,00 80,00 68,27
(%)
Z/2 3 2,28 2,33 1,96 1,64 1,28 1

O tamanho da populao (N) corresponde a 6.496 passageiros; as variveis e esto

relacionadas com a proporo da populao com caractersticas a serem analisadas. Por
exemplo, a proporo pode estar relacionada com a quantidade de homens e mulheres na
amostra, caso em que a proporo de homens poderia ser e a proporo de mulheres .
Como esta proporo no conhecida adotou-se a hiptese de 50%, ou 0,5. O nvel de
confiana adotado de 90%. Portanto, segundo a Equao 2, so necessrias 67 amostras.

6496 0,5 0,5 1,64

= = 66,56 ~67 (2)
0,5 0,5 1,64 + (6496 1) 0,1
 37

O total de passageiros do Perodo Pico pode apresentar grande variao durante a

semana devido diferena diria no nmero de voos. Para captar esse tipo de variao,
determinou-se que a coleta fosse realizada por um perodo de 7 dias, sendo coletadas no
mnimo 67 amostras por dia, totalizando 469 amostras ao longo dos 7 dias.

3.3 Coleta de dados

Como o estudo focado no nvel de servio oferecido, no foram realizadas

entrevistas com passageiros. Optou-se, portanto, realizar a coleta de dados pela composio
de: (i) monitoramento de passageiros e (ii) levantamento de infraestrutura atravs dos projetos
arquitetnicos e conferncia com a infraestrutura existente in loco. A coleta dos dados de
tempo de atendimento para o check-in foi feita durante as horas que antecedem os voos do
perodo pico, e os dados foram diferenciados por tipo de check-in, sendo: classe econmica,
classe prioritria (business, first class e outras), despacho de bagagem e totem. Durante o
perodo de coleta, foi possvel reunir um total de 1.466 amostras, ao longo de 7 dias, uma
mdia de 209 amostras por dia, sendo este um valor muito superior s 67 amostras previstas
na Equao 2, aumentando assim o nvel de confiana estatstica e diminuindo o erro
amostral.
A coleta foi feita utilizando filmagens das cmeras fixas na rea de check-in do
Terminal 3; isso possibilitou, por exemplo, rever as imagens e se necessrio cronometrar
novamente o tempo dos passageiros observados. As Tabela 6 e Tabela 7 apresentam o
resultado da coleta de tempo de atendimento por tipo de check-in, por companhia, durante
todo o perodo de coleta. A primeira linha das Tabela 6 e Tabela 7 apresentam o tempo mdio
de atendimento, a segunda apresenta o desvio padro, a terceira o tempo mnimo de
atendimento coletado, a quarta o tempo mximo de atendimento coletado e a ltima apresenta
o intervalo de tempo entre o mnimo e o mximo.
No perodo da coleta de dados de tempo de atendimento da companhia B, a empresa
no operava com balces especficos para despacho de bagagens. Por essa razo, considerou-
se o tempo de atendimento de despacho de bagagem da companhia B como sendo o mesmo
realizado pela companhia A. Para a companhia C, no foi feita diferenciao entre o tempo de
atendimento da classe econmica e prioritria durante a coleta. Devido ao fato de a maior
 38

parte dos totens serem compartilhados entre companhias, no foi feita diferenciao de tempo
de atendimento nos totens para cada empresa area.

Tabela 6 Resultado da coleta de tempo de atendimento das companhias A, B e C, em

minutos: segundos.
A B C
ECO e
DESP.BAG.1 ECO.2 PRIOR.3 ECO. PRIOR. DESP.BAG.
PRIOR
Mdia 01:59 03:34 03:25 04:42 05:14 03:57 01:47
Desvio
01:46 02:22 03:59 03:42 03:00 02:24 01:09
padro
Mnimo 00:24 01:04 00:38 01:05 01:35 01:22 00:17
Mximo 11:39 15:09 31:36 32:48 21:15 15:15 04:36
Intervalo 11:15 14:05 30:58 31:43 19:40 13:53 04:19
1
DESP.BAG: Despacho de bagagem
2
ECO: Classe Econmica
3
PRIOR: Classe prioritria (business e first class)

Tabela 7 Resultado da coleta de tempo de atendimento nos totens de autoatendimento, em

minutos: segundos.

Totem
Mdia 03:20
Desvio padro 01:56
Mnimo 00:47
Mximo 08:15
Intervalo 07:27

A companhia area que apresentou menor tempo mdio de atendimento para a classe
econmica foi a companhia A, com 3 minutos e 34 segundos. Isso ocorre, dentre outros
fatores, devido ao fato de esta companhia colocar funcionrios para checar a adequabilidade
de documentos como passaporte e visto antes que o passageiro entre na fila de check-in,
reduzindo assim o tempo de atendimento no balco.
Outro fato que chama a ateno o tempo mdio de atendimento da companhia B para
a classe prioritria (business e first class), sendo este quase 1 minuto maior que o tempo
mdio de atendimento da classe econmica da mesma companhia. Isso mostra que esta
companhia procura atender os passageiros desta classe com mais ateno, ocasionando em
morosidade no atendimento.
 39

Os tempos mdios de atendimento previstos pelo manual da IATA (2004) para o

atendimento de check-in convencional e despacho de bagagens so de 3 minutos e 2 minutos
respectivamente, entretanto, somente o tempo de atendimento mdio de despacho de bagagens
est de acordo com essa recomendao. Os dados coletados de tempo de atendimento para a
classe econmica podem ser observados atravs do grfico de disperso na Figura 8.

ECONOMICA
36:00
33:00 A B C
30:00
Tempo de Atendimento

27:00
24:00
21:00
18:00
15:00
12:00
09:00
06:00
03:00
00:00
0 30 60 90 120 150 180 210 240 270 300 330 360
Observaes

Figura 8 Grfico de disperso com dados de tempo de atendimento coletados para a classe
economica das companhias A, B e C.

possvel observar que entre os 334 tempos cronometrados, 188 esto acima da
mdia recomendada pela IATA (representada pela linha preta), isso equivale a 56,3% da
amostra, incluindo valores extremos como 24 e 33 minutos para o atendimento de apenas um
passageiro no check-in.
Os dados coletados de tempo de atendimento para o despacho de bagagens esto
representados na Figura 9. A mdia do tempo de atendimento ficou dentro da recomendao
da IATA (representada pela linha preta na Figura 9) sendo que 71 dos 201 dados coletados, ou
seja, somente 35,3% do total da amostra, ficaram acima da mdia recomendada.
 40

DESPACHO DE BAGAGEM
14:00
A C
12:00

Tempo de Atendimento
10:00

08:00

06:00

04:00

02:00

00:00
0 20 40 60 80 100 120 140 160 180 200 220
Observaes

Figura 9 Grfico de disperso com dados de tempo de atendimento coletados para despacho
de bagagens das companhias A e C.

3.4 Simulao

O modelo de simulao apresentado neste estudo classificado, quanto mudana de

estado, como dinmico, estocstico e discreto. Os modelos dinmicos so aqueles em que as
variveis de estado (exemplo: passageiro que ainda no realizou o check-in e passageiro aps
o check-in) se modificam medida que o tempo evolui. Os modelos estocsticos so aqueles
em que os valores (exemplo: tempo de espera na fila de check-in) so conhecidos no decorrer
da simulao e os modelos discretos so aqueles em que as mudanas de estado ocorrem em
pontos discretos no tempo e no de forma contnua.
O modelo desta presente dissertao simula cinco diferentes tipos de fluxo, como
mostra a Figura 10:
 41

Figura 10 Tipos de fluxo no check-in de passageiros. Adaptado de (IATA, 2014).

O fluxo nmero 1 aquele em que o passageiro faz o check-in on-line e no possui

bagagem para despachar, portanto segue para o porto de embarque. O fluxo 2 aquele em
que o passageiro faz check-in on-line e possui bagagem a ser despachada, portanto segue para
o balco de despacho de bagagens e depois para o porto de embarque. No fluxo 3 o
passageiro faz o check-in no totem, e por no possuir bagagem, segue para o porto de
embarque. No fluxo 4 o passageiro faz o check-in no totem, despacha a bagagem e segue para
o embarque. O fluxo 5 do passageiro que faz o check-in e despacho de bagagem no balco
de atendimento, e depois segue para o porto de embarque.
A sequncia do fluxo para a simulao deve seguir o esquema da Figura 11, onde o
sistema faz as seguintes perguntas a cada passageiro gerado pelo software:
Qual a classe do passageiro? Econmica ou prioritria?
Qual o tipo de check-in a ser realizado? Autoatendimento ou convencional?
Para autoatendimento, check-in on-line ou em totem de autoatendimento?
Possui bagagens?
 42

Figura 11 Sequncia de fluxo no check-in de passageiros.

3.4.1 Construo do modelo base

Primeiramente construiu-se um modelo com dados hipotticos, que simula o processo

de check-in de apenas uma companhia area. A Figura 12 apresenta o processo de pr-
modelagem, em que foi testado o processo logstico do check-in de uma companhia area, e
durante o processo de verificao, atentou-se especialmente para os seguintes pontos:
O volume de passageiros criados deve estar adequado aos valores de entrada.
O comportamento do movimento dos passageiros deve estar coerente.
O comportamento dos passageiros nas filas deve estar coerente.
Os tempos de processamento nos balces de check-in convencional, despacho de
bagagem e totem devem estar adequados aos valores de entrada.
 43

O volume de passageiros processados deve estar adequado aos valores de entrada.

O modelo deve ser construdo em mdulos, avanando somente quando o mdulo
anterior for validado.

Figura 12 Pr-modelagem do check-in do terminal 3.

Aps verificar todos os pontos supracitados, foi possvel avanar na modelagem. O

passo seguinte foi inserir a planta baixa do piso de check-in do terminal 3 do Aeroporto
Internacional de So Paulo/Guarulhos, em escala real. Aspelin (2005) verifica que a
velocidade mdia de caminhada de homens e mulheres varia entre 1,26 m/s a 1,5 m/s,
dependendo da idade, presena de grupos de pessoas, entre outros fatores. Entretanto,
passageiros no frequentes normalmente andam mais devagar, pois precisam se orientar
dentro do aeroporto, seguir placas ou at mesmo parar para pedir informao; alm disso, a
presena de malas e carrinhos de bagagem tambm pode desacelerar a velocidade de
caminhada. O manual da IATA (2004) prev uma velocidade mdia de caminhada antes do
check-in igual a 0,9 m/s, e aps o check-in (ainda no saguo de embarque) de 1,1 m/s. A
mdia entre essas duas velocidades de caminhada igual a 1 m/s, valor este adotado para as
simulaes como velocidade mdia de caminhada dos passageiros. Sabendo-se as distancias
atravs da planta baixa e coleta de dados in loco, foi possvel replicar o tempo de caminhada
dos passageiros desde as entradas do terminal 3 at a entrada do check-in, assim como o
tempo de caminhada da fila do check-in at o balco de atendimento.
 44

Em seguida, as companhias areas foram alocadas no modelo segundo a localizao

real no terminal de estudo, o nmero de balces disponveis e o tempo de utilizao dos
balces ao longo do dia. Essa alocao de balces definida pelo Centro de Operaes
Aeroporturias (COA), a cada temporada (perodo de 6 meses, chamado de summer ou
winter). O piso de check-in do Terminal 3 do Aeroporto Internacional de So
Paulo/Guarulhos possui trs grupos de check-in organizados em forma de ilha, cada uma com
36 balces, e mais dois balces prximos a ilha F. Durante os meses de novembro a maro
(perodo chamado de winter season) de 2015, o Centro de Operaes Aeroporturias alocou
os balces das companhias areas A, B e C da seguinte forma: a companhia A utiliza toda a
ilha F durante a maior parte do dia, compartilhando 10 dos 38 balces com outras companhias
durante algumas horas do dia; a companhia B utiliza os balces 16 a 36 da ilha H por um
perodo de 6h e 30 minutos, enquanto a companhia C utiliza os balces 1 a 3 e 16 a 24 da ilha
G, por um perodo de 5 horas. A Figura 13 mostra como se d essa alocao, com local e
tempo de utilizao dos balces pelas companhias A, B e C no check-in do TPS 3 do
Aeroporto Internacional de So Paulo/Guarulhos, em janeiro de 2015.
 45

A A A A A A A A A A A A A A A
0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00
23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
31 A 0:00 23:59
32 A 0:00 23:59
33 A 0:00 23:59
F 34 A 0:00 23:59
35 A 0:00 23:59
36 A 0:00 23:59
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
A A A A A A A A A A A A A A D
0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00 0:00
23:59 23:59 23:59 23:59 14:45 14:45 14:45 14:45 13:00 13:00 13:00 13:00 13:00 13:00 14:45
A A A A A A A A A A A
19:30 19:30 19:30 19:30 19:30 20:30 20:30 20:30 20:30 20:30 20:30 37 A 0:00
23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 38 A 0:00

C C C
18:00 18:00 18:00
23:00 23:00 23:00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
31
32
33
G 34
35
36
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
C C C C C C C C C
18:00 18:00 18:00 18:00 18:00 18:00 18:00 18:00 18:00
23:00 23:00 23:00 23:00 23:00 23:00 23:00 23:00 23:00

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
31 B 17:30 23:59
32 B 17:30 23:59
33 B 17:30 23:59
H 34 B 17:30 23:59
35 B 17:30 23:59
36 B 17:30 23:59
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
B B B B B B B B B B B B B B B
17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30 17:30
23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59 23:59

Figura 13 - Alocao de balces das companhias areas A, B, e C, no check-in do TPS 3.

(Dados concedidos pelo Centro de Operaes Aeroporturias - COA).

O passo seguinte foi inserir a escala de voos realizada no Perodo Pico. A Tabela 8
apresenta a escala de voos do PP das trs companhias areas (A, B e C). Essa escala
composta pelos passageiros que embarcaram de fato, ou seja, o nmero de passageiros
realizados, descontados os passageiros em conexo Inter-Inter (passageiros internacionais que
no desembarcam no saguo do aeroporto e embarcam em voos para outras localidades
 46

internacionais), assim como o destino dos voos, a data e a hora previstas pela HOTRAN-
Horrio de Transporte (ANAC, 2015).

Tabela 8 Escala de voos de partida no Perodo Pico. Concedido pelo Aeroporto

Internacional de So Paulo/Guarulhos, atravs da base de dados RPE (Resumo de passageiros
embarcados).

Data Hora Passageiros

Companhia Destino
HOTRAN HOTRAN Embarcados
A MVD 6/1/2015 21:45:00 97
A FRA 6/1/2015 22:10:00 176
A MXP 6/1/2015 22:20:00 120
A CDG 6/1/2015 22:35:00 230
A MAD 6/1/2015 22:50:00 74
A MEX 6/1/2015 23:30:00 107
A ROS 6/1/2015 23:25:00 93
A ASU 6/1/2015 22:25:00 74
A MIA 6/1/2015 23:30:00 279
A LHR 6/1/2015 23:45:00 219
A MIA 7/1/2015 00:55:00 193
B DFW 6/1/2015 20:30:00 285
B MIA 6/1/2015 21:25:00 274
B JFK 6/1/2015 21:30:00 287
B LAX 6/1/2015 22:30:00 192
B MIA 6/1/2015 23:25:00 264
C ORD 6/1/2015 23:00:00 110
C EWR 6/1/2015 23:00:00 162
C IAH 6/1/2015 23:30:00 180
C IAD 7/1/2015 00:05:00 176

A curva de chegada de passageiros para voos internacionais usada no modelo de

simulao do presente trabalho segue a curva adotada pelo Aeroporto Internacional de So
Paulo/Guarulhos nos clculos de capacidade de terminal de passageiros da sua Declarao da
Capacidade Operacional SBGR, disponvel no site da ANAC (2015). A Figura 14 mostra
como se d essa chegada de passageiros a cada 15 minutos, comeando 6 horas antes do
horrio previsto do voo. A curva considera que 4 horas antes do horrio previsto do voo, j
chegaram 26% do volume de passageiros previstos para o voo, e que s 3 horas antes do
horrio previsto do voo, j chegaram mais de 50% do volume de passageiros daquele voo, e
que 1 hora antes do voo, 100% dos passageiros j esto presentes no aeroporto. Vale destacar
que qualquer curva de chegada que possa ser inserida no modelo de simulao, no
 47

representar perfeitamente o comportamento de chegada dos passageiros no aeroporto. Isso

acontece porque existem fatores externos como congestionamento, acidentes ou at mesmo
mau tempo, que podem atrasar ou adiantar a chegada de passageiros no aeroporto.

100%
90%

% Acumulada de pax
80%
70%
60%
50%
40%
30%
20%
10%
0%
6:00
5:45
5:30
5:15
5:00
4:45
4:30
4:15
4:00
3:45
3:30
3:15
3:00
2:45
2:30
2:15
2:00
1:45
1:30
1:15
1:00
0:45
0:30
0:15
0:00
Horas antes do voo

Figura 14 Curva de chegada de passageiros no aeroporto para voos internacionais.

(Concedido pelo Aeroporto Internacional de So Paulo/Guarulhos).

Outros inputs usados no modelo base da simulao so: (i) a porcentagem real de
autoatendimento por companhia, ou seja, a porcentagem de passageiros que faz o check-in nos
totens ou na internet (computador ou celular); (ii) a porcentagem de passageiros em conexo
Dom-Inter (passageiros provenientes de voos domsticos em conexo com voos
internacionais); e (iii) porcentagem de balces prioritrios (business e first class) com relao
ao total de passageiros. A Tabela 9 mostra os valores destes trs inputs para as companhias A,
B e C.

Tabela 9 Inputs do modelo de simulao por companhia area.

A B C
(i) Autoatendimento 49,63% 50% 52%
FAZ CHECK-IN
(ii) Conexo 35,81% 32,35%
NOVAMENTE
(ii) Classe prioritaria 28% 19% 21%
 48

A empresa area A forneceu os dados de autoatendimento e conexo para o Aeroporto

Internacional de So Paulo, o qual repassou os dados para a pesquisadora; entretanto, a
porcentagem de passageiros na classe prioritria foi coletada diretamente com a companhia, e
resultado da mdia dos voos internacionais durante o perodo de 3 dias. A empresa area B
forneceu os dados (i), (ii) e (iii) diretamente para a pesquisadora durante coleta em campo; os
dados so resultado da mdia dos voos internacionais da companhia durante o perodo de 3
dias. A empresa area C forneceu os dados de autoatendimento, conexo e classe prioritria
para o Aeroporto Internacional de So Paulo, o qual repassou os dados para a pesquisadora.
possvel observar na Tabela 9 que a porcentagem de passageiros que utiliza
autoatendimento aproximadamente de 50% para as trs companhias. A porcentagem de
passageiros em conexo um dado importante para o modelo, pois passageiros em conexo
com a mesma companhia ou em codeshare (acordo de cooperao pelo qual a companhia
area transporta passageiros cujos bilhetes tenham sido emitidos por outra companhia) no
precisam fazer o check-in novamente, e suas bagagens passam direto para a aeronave de
destino sem precisar de novo despacho e inspeo. No caso da companhia area B, o
procedimento diferenciado, pois essa empresa realiza novamente o check-in de passageiros
em conexo.
Finalmente, os dois ltimos inputs inseridos no modelo de simulao foram definidos
atravs de premissas. O primeiro a porcentagem de passageiros preferenciais (idosos,
grvidas e pessoas com beb de colo) sobre o total de passageiros; essa porcentagem foi
fixada como sendo 3%. O valor foi definido atravs da contagem do nmero de passageiros
por fila a cada 10 minutos, com isso foi possvel dividir o nmero de passageiros contados na
fila preferencial ao longo do tempo, pelo nmero de passageiros total contados em todas as
filas. O segundo a porcentagem de passageiros sem bagagens e passageiros com uma ou
mais bagagens, a qual foi considerada como sendo 2% e 98% respectivamente. Esse dado
uma opo pr-definida do software CAST Terminal, e foi confirmado como sendo coerente
pelas companhias areas durante pesquisa em campo.
A modelagem do check-in do terminal 3 foi feita em 3D, considerando a disposio
dos balces e suas classes, alm da organizao das filas, de acordo com o que feito na
realidade por cada companhia. A Figura 15 apresenta a organizao dos balces e filas da
companhia area A. As filas de balco convencional so do tipo snake, onde cada grupo de
balces servido pela mesma fila, enquanto os totens so alimentados por filas individuais. A
 49

companhia A costuma organizar 5 filas para alimentar os balces convencionais durante o

Perodo Pico; as filas so: check-in convencional da classe econmica, passageiros first class,
passageiros business, despacho de bagagens e uma fila exclusiva para o atendimento de
funcionrios da companhia por um nico balco. O balco de funcionrios est representado
pela cor preta na Figura 15, os balces business e first class so representados pela cor azul e
os balces de check-in convencional so representados pela cor vermelha.

Figura 15 Modelo no CAST Terminal da companhia A.

A Figura 16 (a) apresenta o check-in convencional da classe economica, representado

pelo circulo em vermelho circunscrito com o nmero 1. O crculo nmero 2 representa a fila
exclusiva de funcionrios. Na Figura 16 (b) constam as filas business (nmero 3) e baggage
drop (nmero 4).

(a) (b)

Figura 16 Modelo real da companhia area A.

 50

A Figura 17 apresenta a organizao dos balces e filas da companhia area B. Esta

companhia costuma organizar-se em 5 filas: A fila para passageiros preferenciais,
representados na cor rosa, a fila para passageiros de check-in convencional da classe
econmica, representados pela cor vermelha, a fila de despacho de bagagens, representada na
cor verde, a fila de passageiros business e a fila de passageiros first class, ambos
representados na cor azul.

Figura 17 Modelo no CAST Terminal da companhia B.

possvel verificar na Figura 18 a fila preferencial (nmero 1), a fila de check-in

convencional da classe economica (nmero 2), a fila de despacho de bagagem (nmero 3) e a
fila business (nmero 4).
 51

Figura 18 Modelo real da companhia area B.

A Figura 19 apresenta a organizao dos balces e filas da companhia area C. Esta

companhia costuma dividir seus passageiros em 4 filas, a fila preferencial, representada pelos
passageiros em rosa, a fila de check-in convencional da classe econmica, representada pelos
passageiros em vermelho, a fila de despacho de bagagens, representada pela cor verde, e a fila
de passageiros prioritrios (business e first class), entretanto esta ltima classe no aparece na
Figura 19.

Figura 19 Modelo no CAST Terminal da companhia area C.

 52

A Figura 20 mostra o check-in da companhia C de um ngulo aproximado ao ngulo

da Figura 19. A fila indicada pelo nmero 1 o despacho de bagagens, a fila de nmero 2 a
fila de check-in convencional da classe econmica e a fila indicada pelo nmero 3 a fila de
passageiros preferenciais.

Figura 20 Modelo real da companhia area C.

Algumas outras consideraes foram feitas para aproximar ainda mais o modelo base
do sistema real; estas consideraes foram observadas durante a coleta de dados em campo. A
primeira considerao : sempre que um balco destinado classe prioritria (business ou first
class) est ocioso, ele passa a atender passageiros da classe econmica, suavizando as filas
desta classe.
Outra considerao interessante que, os passageiros que chegam antes do horrio de
abertura do check-in costumam ficar espalhados pelo terminal, aguardando o horrio previsto
para o incio do atendimento; enquanto aguardam, muitos deles utilizam os restaurantes e
instalaes do terminal, e quando chega o horrio previsto, os passageiros pouco a pouco se
dirigem para o check-in. Para inserir esse comportamento no modelo base, foi necessrio
colocar os passageiros que chegam antes da abertura do check-in em um estado de espera, e
em um intervalo de 2 a 5 minutos os passageiros verificam se os balces j comearam o
atendimento. A Tabela 10 faz um resumo dos inputs usados no modelo base, construdo para
simular a operao de check-in do TPS 3 do Aeroporto Internacional de So Paulo/Guarulhos.
 53

Tabela 10 Dados de entrada requeridos pelo modelo base.

Check-in convencional:
o tempo entre o momento em que o passageiro comea a ser
atendido no balco at a emisso do seu bilhete areo e pesagem
das bagagens.
Totem:
Tempo de Atendimento
o tempo entre o momento em que o passageiro comea a
utilizar o totem at a emisso do seu bilhete areo.
Despacho de bagagem:
o tempo entre o momento em que o passageiro atendido no
balco at o despacho da bagagem.
Porcentagem de passageiros em conexo Inter-Inter (passageiros
que chegam em voos internacionais e partem em voos
Conexo internacionais sem sair da rea de embarque) e Dom-Inter
(passageiros que chegam em voos domsticos e partem em voos
internacionais).
Porcentagem de utilizao do autoatendimento (check-in online e
Autoatendimento
totem).
Bagagens Porcentagem de passageiros com zero, uma ou mais bagagens.
Escala de Voos Escala de voos realizadas no Perodo Pico por companhia area.
Quantidade e alocao dos Balces disponveis por companhia
area.
Balces Diviso de classes de balces: classe prioritria (classe executiva
e primeira classe), despacho de bagagem, classe econmica e
preferencial (idosos, grvidas, etc.).
rea disponvel em m/passageiro para cada elemento que
rea de ocupao
compe o check-in, medida na planta baixa e in loco.
Distribuio de chegada dos passageiros antes da hora de
Curva de Chegada
fechamento do check-in.

3.5 Verificao e Validao do Modelo

A verificao e validao so os passos em que o modelo base testado logicamente e

numericamente. Na verificao, a ordem de grandeza dos resultados deve estar dentro do
esperado, enquanto na validao, uma ou mais variveis so escolhidas como parmetro de
referncia, e comparadas com dados previamente coletados ou mensurados.
Para a verificao, seguiram-se trs etapas sugeridas por Borille (2012):
 54

(i) Implementao em mdulos: o modelo foi construdo em partes, e cada parte

foi simulada separadamente. Quando a primeira parte simulada mostrava bom
funcionamento, ento se construa o mdulo seguinte.
(ii) Animao grfica: esta etapa foi implementada desde o incio da construo do
modelo, atravs da animao em 3D. Foram definidas variadas cores para
diferenciar os passageiros segundo suas classes (prioritria ou econmica) e tipo
de check-in; com isso foi possvel checar se os passageiros do modelo estavam
procedendo corretamente.
(iii) Reviso por pares: esta etapa sugere que outra pessoa (ou um grupo de
pessoas) verifique se o modelo est funcionando corretamente. Esse procedimento
foi atendido atravs de reunies com um grupo de especialistas do Centro de
Controle de Operaes (CCO) do aeroporto de estudo, os quais contriburam
grandemente para o aperfeioamento do modelo base.

Para a validao usou-se uma ferramenta estatstica chamada ANOVA (Analisys of

Variance), para comparar o nmero de passageiros na fila ao longo do tempo resultantes da
simulao com o nmero de passageiros na fila coletados em campo. Na comparao, usou-se
um intervalo de confiana de 90%. O processo de validao encontra-se detalhado na
seo 4.2.
 55

4 Aplicao e Anlise de Resultados da Simulao

Os dados coletados de tempo de atendimento foram tratados e em seguida inseridos no

modelo base. Para isso foi necessrio definir a distribuio de probabilidade de tempo de
atendimento para cada tipo de check-in. A distribuio de probabilidade descreve a chance de
uma varivel assumir determinado valor ao longo de um universo de valores. Para apresentar
os dados de uma maneira mais concisa e que nos permita extrair informao sobre o
comportamento da amostra, foram construdos histogramas com os dados coletados de cada
classe de check-in. O histograma um agrupamento de dados em classes, de tal forma que se
contabilize o nmero de ocorrncias em cada classe.
O histograma construdo com os dados coletados foi sobreposto com curvas de
distribuio de trs tipos: Gama, Exponencial e Erlang. A curva de distribuio Erlang
apresentou-se mais adequada para representar o comportamento da curva de distribuio de
tempo de atendimento real. A anlise quantitativa da comparao entre os dados coletados e a
curva de distribuio ajustada Erlang foi realizada atravs dos testes de aderncia Qui-
quadrado e Erro Quadrtico. Em seguida o modelo base foi validado atravs da comparao
dos resultados com sistema real; para realizar essa comparao numrica usou-se o mtodo
ANOVA (Anlise de Varincia). Cenrios alternativos foram construdos atravs da variao
de fatores e nveis.

4.1 Tratamento dos dados e verificao da qualidade de aderncia

A estimativa dos parmetros de cada distribuio de tempo de atendimento foi feita da

seguinte forma: (i) atravs da verificao da qualidade de aderncia, utilizando o mtodo de
anlise grfica comparativa; (ii) por meio da aplicao do teste no paramtrico de aderncia,
o qui-quadrado, e (iii) atravs de uma anlise comparativa das medidas de erro quadrtico
(EQM).
Para a verificao da qualidade de aderncia, foi feita uma anlise grfica entre os
histogramas dos dados coletados e os ajustes das distribuies tericas estimadas. Foram trs
as distribuies de probabilidade testadas: Gama, Erlang e Exponencial, as quais so
distribuies contnuas. O teste de aderncia qui-quadrado um teste de hiptese estatstica
 56

padro, que verifica se h fundamento para aceitar a hiptese de que os valores da amostra
podem razoavelmente ser considerados como provenientes de uma populao com aquela
distribuio terica. O EQM a mdia dos quadrados das diferenas entre as frequncias
relativas observadas em uma clula do histograma e a frequncia relativa da funo de
distribuio de probabilidade, ajustada ao intervalo de dados desta clula; quanto maior o
EQM, mais afastada a distribuio ajustada est dos dados reais.

4.1.1 Construo dos histogramas e sobreposio das curvas de distribuio ajustadas

Para construo dos histogramas, definiu-se que no eixo horizontal est a varivel de
tempo de atendimento dividida em classes, de acordo com o intervalo de tempo mais
adequado, e no eixo vertical a frequncia da classe correspondente. A Figura 21 apresenta o
histograma de tempo de atendimento para os totens; a Figura 22 apresenta os histogramas de
tempo de atendimento no balco convencional e despacho de bagagens para a companhia A; a
Figura 23 apresenta os histogramas de tempo de atendimento da classe prioritria e economica
da companhia area B; a Figura 24 mostra os histogramas de tempo de atendimento da classe
economica e despacho de bagagem para a companhia C. Pela representao grfica dos dados
de tempo de atendimento da Figura 21, Figura 22, Figura 23 e Figura 24, possvel perceber
que em geral, os dados se mostraram prximos distribuio Erlang, representada pela curva
vermelha.

Totem
50%
Real
40% Gama
Expo
Freqncia

30%
Erlang
20%

10%

0%
120 240 360 480 600
Tempo de Atendimento (s)

Figura 21 Histograma de tempo de atendimento e curvas de distribuio ajustada dos totens

de autoatendimento.
 57

A - Despacho de Bagagem A - Economica

50% 50%
Freqncia 40% 40%

Freqncia
30% 30%
20% 20%
10% 10%
0% 0%
60 120 180 240 300 120 240 360 480 600
Tempo de Atendimento (segundos) Tempo de Atendimento (segundos)
Figura 22 Histogramas de tempo de atendimento e curvas de distribuio ajustada da
companhia area A.

B - Prioridade B - Economica
50% 50%

40% 40%
Freqncia
Freqncia

30% 30%

20% 20%

10% 10%

0% 0%
120 240 360 480 600 720 840 120 240 360 480 600
Tempo de Atendimento (s) Tempo de Atendimento (segundos)
Figura 23 Histogramas de tempo de atendimento e curvas de distribuio ajustada da
companhia area B.

C - Econmica C - Despacho de Bagagem

30%
70%
25%
60%
50% 20%
Freqncia

40%
Freqncia

15%
30%
20% 10%
10% 5%
0% 0%
120 240 360 480 600 30 60 90 120 150 180 210 240 270 300
Tempo de Atendimento (s) Tempo de Atendimento (s)
Figura 24 Histogramas de tempo de atendimento e curvas de distribuio ajustada da
companhia area C.
 58

A Tabela 11 mostra uma anlise quantitativa da comparao entre os dados coletados

e a curva de distribuio ajustada Erlang. O teste de aderencia usado foi o teste Qui-
Quadrado, o qual, segundo Devore e Jay (2006), tem como princpio bsico a comparao
entre propores, isto , as possveis divergncias entre as frequncias observadas na amostra
e aquelas definidas pela curva de distribuio. Portanto, a hiptese nula prope que os dois
grupos se comportam de forma semelhante, e que as diferenas entre as frequncias
observadas e as definidas pela curva de distribuio so muito pequenas, prximas a zero.
Esta hiptese foi aceita em cada uma das amostras, pois o valor crtico mostrou-se superior ao
p-valor em todas elas. Vale frisar que quanto menor as discrepancias entre os valores
observados e os valores previstos pela curva, menor ser o p-valor. Alm disso, a Tabela 11
apresenta os valores de Erro Quadrtico, os quais se apresentaram satisfatrios, confirmando a
boa aderncia dos dados a distribuio Erlang.

Tabela 11 Teste de aderncia Qui-quadrado para distribuio Erlang e Erro Quadrtico.

Erro Teste Qui-quadrado

Companhia/classe
quadrtico Valor crtico p-valor*
CUSS 0,0004 7,779 0,0042
A Bag Drop 0,0011 7,779 0,0088
A - Economica 0,0022 7,779 0,0262
A - prioridade 0,0024 17,275 0,0824
B - Economica 0,0151 7,779 0,1899
B - Prioridade 0,4515 10,645 0,0678
C - Economica 0,0074 7,779 0,1210
C Bag Drop 0,0014 14,684 0,0374
Significativo ao nvel de 0,1 de probabilidade
*p-valor: menor nvel de significancia em que a hiptese nula seria rejeitada.

4.2 Validao do Modelo de Simulao

Para a validao do modelo base, foi necessrio usar a escala de voos e nmero de
passageiros embarcados equivalentes ao ocorrido no dia da coleta de dados em campo. Na
comparao dos resultados dos modelos base e sistema real, usou-se o mtodo ANOVA
(Anlise de Varincia). Segundo Devore e Jay (2006), o mtodo ANOVA envolve a anlise
de dados obtidos de amostras de populaes numricas, atravs da comparao das suas
mdias populacionais. Neste presente estudo, as populaes so formadas pelo nmero
 59

mximo de passageiros na fila a cada 10 minutos, desde a hora prevista para abertura do
check-in at a hora prevista de fechamento. Para fazer a validao, foi necessrio analisar fila
por fila, comparando os resultados do modelo base simulado com o sistema real.
As curvas de distribuio Erlang para tempo de atendimento, definidas na Figura 21,
Figura 22, Figura 23 e Figura 24, foram inseridas no modelo base. O tempo de atendimento
de cada passageiro da simulao depende dessas curvas, e pode ser gerado atravs de uma
semente de gerao de nmeros aleatrios ou atravs de uma semente de gerao fixa. O ideal
para a validao do modelo base de cada companhia que essa semente seja aleatria, e que
cada cenrio seja simulado diversas vezes, para uma melhor comparao com os dados reais,
entretanto a semente de gerao foi mantida fixa, e cada cenrio foi simulado apenas uma vez.
No Perodo Pico, a companhia area A possui um servio de pr-atendimento para
verificao de passaportes, visto e outros documentos necessrios para viagens internacionais;
portanto, primeiramente, os passageiros passam pela fila de pr-atendimento para em seguida,
entrarem na fila de check-in convencional. Na validao da companhia A, usou-se as filas de
check-in convencional da classe econmica, baggage drop, e as filas de pr-atendimento.
A Figura 25 mostra os resultados do nmero de passageiros na fila ao longo do tempo
como ocorreu na realidade assim como na simulao; o perodo de simulao foi entre 18 h e
23 h, assim como o perodo de coleta de dados. possvel perceber que o nmero mximo de
passageiros na fila semelhante nos dois casos; a fila de pr-atendimento da classe econmica
apresentou nmero mximo de 16 passageiros no modelo simulado assim como no real,
enquanto a fila econmica convencional apresentou o mximo de 10 passageiros em
detrimento de 14 no modelo real.
 60

A - REAL A - SIMULAO
20 20
Pr-atend. Economica Pr-atend. Economica
18 18
Pr-atend. BagDrop Pr-atend. Bag Drop
N de pax na fila

N de pax na fila
16 16
14 Economica 14 Economica
12 BagDrop 12 BagDrop
10 10
8 8
6 6
4 4
2 2
0 0
18:00 19:00 20:00 21:00 22:00 23:00 18:00 19:00 20:00 21:00 22:00 23:00
Tempo Tempo
Figura 25 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia area A.

Para a companhia area B, foi coletado o nmero de passageiros na fila ao longo do

tempo para as filas economica, business, primeira classe (ou first class), preferencial (idosos,
grvidas, etc.) e baggage drop; o perodo de coleta de dados foi entre 16 h 30 min e 21 h e 30
min; o perodo de simulao foi entre 16 h 30 min e 23 h e 10 min. Segundo a Figura 26, os
mximos da simulao se apresentaram prximos dos mximos coletados, por exemplo, a fila
mxima da classe economica foi de 36 passageiros na simulao e 38 na realidade; a fila
preferencial mxima foi de 14 passageiros na simulao e 13 na realidade; alm disso, nota-se
a presena de dois picos no nmero de passageiros da classe economica, fato que tambm
ocorreu na realidade.

B - REAL B - SIMULAO
40 40
Economica Economica
Business Business
N de pax na fila
N de pax na fila

30 Primeira Classe 30 Primeira classe

Preferencial Preferencial
Bag Drop Bag Drop
20 20

10 10

0 0
16:30 17:30 18:30 19:30 20:30 21:30 22:30 16:30 17:30 18:30 19:30 20:30 21:30 22:30
Tempo Tempo
Figura 26 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia B.
 61

Para a companhia area C foi coletado o nmero de passageiros na fila economica e baggage
drop ao longo do tempo; o perodo de simulao foi entre 19 h e 23h assim como o perodo de
coleta de dados. Pode-se ver na Figura 27 que o nmero mximo de passageiros nessas filas
foi igual a 14 e 7 respectivamente, e na simulao, os resultados para as mesmas filas foram
20 e 11.

C - REAL C - SIMULAO
20 20
Economica Economica
Bag Drop Bag Drop
n de pax na fila

n de pax na fila
15 15

10 10

5 5

0 0
19:00 20:00 21:00 22:00 23:00 19:00 20:00 21:00 22:00 23:00
Tempo Tempo
Figura 27 Nmero de passageiros na fila ao longo do tempo para o modelo simulado e real
da companhia C.

A Tabela 12 resume os dados usados para a validao do modelo de simulao das

companhias A, B e C, apenas para a classe economica, comparando com os resultados do
modelo real; a primeira linha apresenta o nmero mximo de passageiros na fila no sistema
real, a segunda linha apresenta o nmero mximo de passageiros na fila no modelo de
simulao, a terceira linha apresenta a mdia de passageiros na fila no sistema real, a quarta
apresenta a mdia de passageiros na fila durante a simulao, a quinta linha apresenta a
estatstica de teste ANOVA calculada, a sexta linha mostra a estatstica de teste ANOVA
tabelada, e a stima linha atesta a validao do modelo de simulao de cada companhia. O
apndice C mostra as equaes usadas nos clculos de validao do ANOVA, assim como o
passo a passo da validao de cada fila.
 62

Tabela 12 Resumo dos dados de validao para as companhias A, B e C, em nmero de

passageiros na fila.

A B C
Mximo Real 16 38 14
Mximo Simulao 16.35 35.49 20.03
Mdia Real 1.74 6.34 3.14
Mdia Simulao 0.86 8.42 5.01
F*-calculado 1.4 0.36 0.45
F*-tabelado 3.92 3.92 3.92
Passa no teste ANOVA? SIM SIM SIM
*Estatstica de teste ANOVA de fator nico

4.3 Aplicao e Anlise dos Cenrios Alternativos

Para se obter evidncia sobre quais variveis influenciam o nvel de servio oferecido
no check-in internacional, um total de 273 cenrios foram simulados. Os outputs dessas
simulaes so: tempo de espera (horas e minutos) e espao disponvel (m/passageiro). O
tempo de espera medido da seguinte forma: calcula-se o tempo de fila mdio a cada 10
minutos, e o maior valor encontrado dentro do perodo de funcionamento do check-in ento
considerado para a anlise dos cenrios. O espao disponvel por passageiro resultado da
rea disponvel para cada fila do check-in, medida em planta e in loco, dividida pelo nmero
de passageiros mximo medido da mesma forma que o tempo de espera.
Para a construo dos cenrios alternativos, foram aplicadas variaes nos seguintes
fatores: (i) nmero de balces por companhia area; (ii) quantidade de balces prioritrios
(business e first class); (iii) tempo de atendimento no balco; (iv) nova escala (v) incio do
atendimento no check-in; (vi) utilizao de autoatendimento (totem e web); (vii) crescimento
de demanda. A partir dessas variaes, foi construda uma matriz de cenrios por companhia
area em que possvel verificar de que forma o nvel de servio deteriorado ou melhorado
atravs da variao dos fatores.

4.3.1 Fatores e Nveis

A variao dentro de cada um dos sete fatores apresentados anteriormente chamada

de nvel. Para cada companhia area, a variao dos nveis se deu de maneira diferenciada. A
 63

Tabela 13 demonstra como se d a variao dos nveis de cada fator para a companhia area
A.

Tabela 13 Fatores e nveis da companhia area A.

Nveis
Fatores da companhia area A Unidade
1 2 3 4
(i) Nmero de balces por companhia area 38 32 28 23 Unidade
(ii) Quantidade de balces prioritrios 1 0,75 - - -
(iii) Tempo de atendimento no balco 3,55 3 - - min
(iv) Nova escala 0 - - - -
(v) Incio do atendimento no check-in - - - - min
(vi) Utilizao de autoatendimento (totem e web) 20 30 50 70 %
(vii) Crescimento de demanda 0 5,61 7,14 7,84 %

Para o fator nmero de balces por companhia area da empresa A, o primeiro nvel
igual a 38, pois esta empresa tem disponibilidade de 38 balces, sendo que 27 podem ser
usados durante todo o dia, enquanto os outros 11 so compartilhados durante um espao de
tempo que varia entre 4 h e 45 min a 7 h e 30 min, perodo em que esses balces esto
disponveis para outras companhias. No segundo nvel, testa-se a possibilidade de a empresa
area trabalhar com 32 balces e compartilhar 5, no terceiro e quarto nveis, testa-se a
possibilidade de a empresa area trabalhar com 28 e 23 balces, respectivamente, sem
compartilha-los.
O fator quantidade de balces prioritrios representa a quantidade de balces que cada
companhia deseja destinar a classe prioritria com relao ao nmero de passageiros que
utilizam essa classe. A empresa A destina 29% dos seus balces (11 dos 38 balces) a classe
prioritria, sendo que em mdia 28% dos seus passageiros pertencem a essa classe. Ao
dividir-se a porcentagem de balces da classe prioritria pela porcentagem de passageiros da
mesma classe, tem-se um resultado muito prximo de 1. Por outro lado, ao diminuir o nmero
de balces da classe prioritria, destinando-se apenas 21% dos balces (8 de 38) a esta classe,
o resultado cai para 0,75. O fator tempo de atendimento foi medido em campo e atravs das
cmeras; o seu valor mdio para a classe econmica da companhia A igual a 3,55 minutos.
Variou-se ento o valor mdio de tempo de atendimento da classe econmica, mantendo-se a
curva Erlang, para 3 minutos.
O fator nova escala, um fator inserido no modelo para representar a mudana na
escala de voos de 2015 para 2016 das companhias que acrescentaram algum voo escala de
 64

2015. Esse fator foi considerado apenas para as companhias B e C, e por isso, para a
companhia A ele considerado zero. O fator incio do atendimento no check-in, representa a
variao no horrio de abertura do check-in, simulando atraso e adiantamento do incio do
atendimento. Entretanto, a empresa area A pode manter a maioria de seus balces abertos
durante as 24 horas do dia e, portanto, no faria sentido simular atraso ou adiantamento na
abertura do check-in.
O fator utilizao de autoatendimento (totem e web) representa a porcentagem de
passageiros que utiliza modalidades de check-in on-line (celular ou computador) e no totem.
A porcentagem real de passageiros que utilizam autoatendimento na empresa A igual a
49,63%, e os nveis testados para esse fator so 20%, 30%, 50% e 70%.
O ltimo fator testado foi o crescimento da demanda. Esse fator testa a possibilidade
de aumento de demanda sobre o volume de passageiros do ano anterior, sem acrscimo de
novos voos. Considerou-se, portanto, quatro nveis para esse fator: 5,61%, 7,14% e 7,84%.
Essa uma projeo de crescimento elaborada pelo Aeroporto Internacional de So Paulo no
incio de 2015. A Tabela 14 demonstra como se d a variao dos nveis de cada fator para a
companhia area B.

Tabela 14 Fatores e nveis da companhia area B.

Nveis
Fatores da companhia area B Unidade
1 2 3 4
(i) Nmero de balces por companhia area 21 - - - Unidade
(ii) Quantidade de balces prioritrios (business
2,5 2 - - -
e first class)
(iii) Tempo de atendimento no balco 4,68 3 - - min
(iv) Nova escala 0 1 - - -
(v) Incio do atendimento no check-in 270 240 210 - min
(vi) Utilizao de autoatendimento (totem e web) 20 30 50 70 %
(vii) Crescimento de demanda 0 5,61 7,14 7,84 %

Para o fator nmero de balces por companhia area da empresa B, no houve

variao de nveis, pois esta companhia area j possui um nmero reduzido de balces, e no
houve interesse da concessionria do aeroporto em verificar possveis mudanas no nmero
de balces. O fator quantidade de balces prioritrios da companhia B apresenta os nveis 2,5
e 2. A empresa B destina 48% dos seus balces (10 dos 21 balces) a classe prioritria, sendo
 65

que em mdia 19% dos seus passageiros pertencem a essa classe. Ao dividir-se a porcentagem
de balces da classe prioritria pela porcentagem de passageiros da mesma classe, tem-se um
resultado muito prximo de 2,5. Por outro lado, ao diminuir o nmero de balces da classe
prioritria, destinando-se 21% dos balces (8 de 21) a esta classe, o resultado cai para 2.
O fator tempo de atendimento da companhia A, apresenta valor mdio para a classe
econmica igual a 3,55 minutos; no segundo nvel da classe, variou-se o valor mdio de
tempo de atendimento da classe econmica para 3 minutos, mantendo-se a curva Erlang. O
fator nova escala representa a mudana na escala de voos de 2015 para 2016, uma varivel
binria, que assume valores 0 ou 1, sendo 0 para a escala de 2015 e 1 a escala de 2016. Esse
tipo de varivel binria insere o efeito de eventos ou fatores qualitativos na regresso e
tambm servem para avaliar efeitos de tratamento. A escala solicitada pela companhia B para
operao em 2016 est presente na Tabela 15, em que a primeira coluna identifica a empresa
de anlise, a segunda coluna apresenta o destino, e na sequencia so apresentados a data e a
hora prevista de partida conforme o HOTRAN e a ltima coluna refere-se ao nmero total de
passageiros embarcados. O nmero de passageiros embarcados considerados foi de 85% da
capacidade das aeronaves.

Tabela 15 Escala de voos da companhia B no perodo pico em 2016.

Data Hora Passageiros

Companhia Destino
HOTRAN HOTRAN Embarcados
B MIA 2016 21:25:00 264
B JFK 2016 21:30:00 264
B LAX 2016 22:30:00 193
B DFW 2016 23:50:00 264
B MIA 2016 23:25:00 264
B JFK 2016 23:50:00 193

O fator incio do atendimento no check-in, apresenta trs nveis; o primeiro indica que
o horrio de abertura do check-in se d com 270 minutos (4 h e 30 minutos) de antecedncia
ao voo, o segundo nvel indica a abertura do check-in com 240 minutos (4 h) de antecedncia
ao voo, e no terceiro nvel o check-in abre com 210 minutos (3 h e 30 minutos) de
antecedncia, simulando assim possveis atrasos e adiantamentos no incio do atendimento.
Os fatores utilizao de autoatendimento e crescimento da demanda apresentam os mesmos
 66

nveis definidos para a companhia A. A Tabela 16 demonstra como se d a variao dos

nveis de cada fator para a companhia area C.

Tabela 16 Fatores e nveis da companhia area C.

Fatores da companhia area C Nveis Unidade

1 2 3 4
(i) Nmero de balces por companhia area 12 - - - Unidade
(ii) Quantidade de balces prioritrios (business 1.2 - - - -
e first class)
(iii) Tempo de atendimento no balco 3,95 3 - - min
(iv) Nova escala 0 1 - - -
(v) Incio do atendimento no check-in 270 240 - - min
(vi) Utilizao de autoatendimento (totem e web) 20 30 50 70 %
(vii) Crescimento de demanda 0 5,61 7,14 7,84 %

O fator nmero de balces por companhia area da empresa C, assim como a

quantidade de balces prioritrios (business e first class), no apresentou variao de nveis.
O fator tempo de atendimento no balco apresenta dois nveis, o primeiro (3,95 minutos)
igual a mdia dos dados coletados e o segundo (3 minutos) a mdia da curva Erlang. O fator
nova escala, assim como na companhia B, uma varivel binria, que assume valores 0 ou 1,
sendo 0 para a escala de 2015 e 1 a escala de 2016. A escala solicitada pela companhia C para
operao em 2016 est presente na Tabela 17, em que na primeira coluna identifica-se a
empresa de anlise, na segunda coluna apresentado o destino, na sequencia so apresentados
a data e a hora prevista de partida conforme o HOTRAN e a ltima coluna refere-se ao
nmero total de passageiros embarcados. O nmero de passageiros embarcados considerados
foi de 85% da capacidade das aeronaves.
 67

Tabela 17 Escala de voos da companhia C no perodo pico em 2016.

Companhia Destino Data Hora Passageiros

HOTRAN HOTRAN Embarcados
C IAD 2016 21:00:00 155
C EWR 2016 21:10:00 140
C IAH 2016 21:20:00 126
C ORD 2016 22:20:00 155
C EWR 2016 23:00:00 148

O fator incio do atendimento no check-in, apresenta dois nveis; o primeiro indica que
o horrio de abertura do check-in se d com 270 minutos (4 h e 30 minutos) de antecedncia
ao voo e o segundo nvel indica a abertura do check-in com 240 minutos (4 h) de antecedncia
ao voo, simulando assim um possvel adiantamento no incio do atendimento. O sexto e o
stimo fator da companhia C (utilizao de autoatendimento e crescimento da demanda)
apresentam os mesmos nveis definidos para a companhia A e B.

4.3.2 Cenrios Alternativos

O resultado das simulaes dos cenrios alternativos apresentado em IOS (Index of

Service), pois esta medida representa tanto o tempo de espera na fila, como o espao
disponvel por passageiro de forma simultnea. Brunetta et al (1999) apud Borille (2012)
define o IOS segundo a Equao 3:

= (3)

Em que,
A a rea total disponvel para cada fila de check-in em m.
AP o nmero mximo de passageiros na fila por minuto.
WT o tempo mximo de espera na fila em minutos.
O nvel de servio classificado pela IATA (2014) dividido em 3 classes:
superdimensionado, timo e subtimo. A Tabela 18 demonstra os parmetros de IOS, tempo e
espao para cada classificao.
 68

Tabela 18 Parametros de IOS, tempo e espao para classificao do nvel de servio (LOS).
Adaptado de (IATA, 2014)

IOS Tempo Espao

LOS A e B Superdimensionado >0,18 m/pax <10 min >1,8 m/pax
ECO LOS C timo 0,065 - 0,18 m/pax 10 - 20 min 1,3 - 1,8 m/pax
LOS D e E Subtimo <0,065 m/pax >20 min <1,3 m/pax
LOS A e B Superdimensionado >1,8 m/pax 0 min >1,8 m/pax
BD LOS C timo 0,26 - 1,8 m/pax 0 - 5 min 1,3 - 1,8 m/pax
LOS D e E Subtimo <0,26 m/pax >5 min <1,3 m/pax

A Tabela 19 apresenta a simulao de 88 cenrios, que representam as combinaes

dos fatores explanados acima, para a companhia area A. Cada cenrio da Tabela 19, est
representado pelas filas: econmica (ECO) e despacho de bagagens (BD). Os resultados
mostram que o IOS mais alto igual a 114,333; isso representa um nvel de servio A/B ou
superdimensionado, segundo a Tabela 18.
Este cenrio ocorre na fila de baggage drop, quando a demanda de 2015 mantida,
assim como os 38 balces disponveis para a companhia; alm disso, outros parmetros deste
cenrio so: autoatendimento em 20%, e 11 dos 38 balces da companhia destinados classe
prioritria. Uma forte razo para este IOS ser to alto, provavelmente o fato de que o
nmero de balces disponveis para esta companhia muito alto para a demanda de 2015. O
pior cenrio da companhia A acontece na fila econmica e apresenta um IOS igual a 0,011, o
qual considerado como nvel de servio E/F, ou subtimo. Nesse caso, a demanda
considerada a do ano 4, a companhia teria apenas 23 balces e porcentagem de
autoatendimento igual a 20%.
 69

Tabela 19 Resultado em IOS das simulaes de cenrios aternativos da companhia area A.

38 balces 32 balces 28 balces 23 balces

Auto- 11 balces prior 11 balces prior 11 balces prioridade 8 balces prior 11 balces prioridade
Projeo
atendimento ECO(1) BD(2) ECO BD ECO BD ECO BD ECO BD ECO BD ECO BD
(3) (4) 03:33 01:59 03:33 01:59 03:00 02:00 03:33 01:59 03:33 01:59 03:00 02:00
03:33 01:59
20% 9.091 (5) 114.333 1.311 21.422 0.072 2.231 - - 0.411 2.936 0.065 0.327 - -
Demanda 30% 3.152 36.709 0.673 15.556 0.109 1.250 0.502 0.905 0.721 0.407 0.045 0.151 0.263 0.048
2015 50% 2.826 12.088 2.272 13.173 0.313 0.716 - - 3.259 1.484 0.068 0.136 - -
70% 9.308 10.435 7.954 10.236 1.902 0.185 - - 3.697 17.114 1.021 1.459 - -
20% 5.453 41.307 0.911 66.642 0.045 2.940 - - 0.212 4.562 0.015 0.074 - -
Ano2 30% 2.314 31.405 1.105 35.867 0.038 0.360 0.421 1.547 1.369 0.139 0.029 0.096 0.282 0.023
+5,61% 50% 2.428 8.079 1.108 3.188 0.431 0.318 - - 1.269 0.570 0.043 0.086 - -
70% 18.208 2.219 7.128 10.462 0.120 1.707 - - 1.370 4.636 0.134 0.191 - -
20% 1.939 70.269 0.398 55.938 0.021 0.234 - - 0.104 1.406 0.014 0.070 - -
Ano 3 30% 1.381 18.033 0.101 3.637 0.022 0.091 0.068 1.108 0.124 0.048 0.017 0.056 0.029 0.023
+7,14% 50% 1.437 16.446 0.474 12.224 0.079 0.875 - - 1.014 1.754 0.022 0.044 - -
70% 7.194 1.605 5.625 0.627 1.142 0.096 - - 3.017 2.127 0.297 0.425 - -
20% 0.593 27.090 0.160 16.457 0.020 0.070 - - 0.053 3.409 0.011 0.054 - -
Ano 4 30% 0.261 42.875 0.124 3.637 0.021 0.039 0.032 0.313 0.061 0.113 0.011 0.038 0.019 0.021
+7,84% 50% 0.459 7.423 0.539 3.177 0.026 0.067 - - 0.159 0.233 0.015 0.030 - -
70% 1.921 1.506 4.257 0.094 3.201 0.043 - - 3.207 0.402 0.600 0.857 - -
(1) ECO - Classe econmica
(2) BD - Despacho de bagagem LOS A e B - Superdimensionado
(3) 03:33 - Tempo de atendimento em minutos:segundos LOS C - timo
(4) 01:59 - Tempo de atendimento em minutos:segundos LOS D e E - Sub-timo
(5) 9.09 ndice de Servio (IOS)
 70

Para a companhia area B foram simulados 135 cenrios. As Tabela 20 e Tabela 21

mostram os IOS para cada simulao de acordo com a variao dos fatores, sendo o maior
IOS igual a 18,544, o que equivale a um nvel de servio A/B ou superdimensionado. Este
resultado ocorre na fila de baggage drop, quando no h incremento na demanda de 2015, o
autoatendimento igual a 70%, 8 dos 21 balces so destinados classe prioritria, e o
atendimento do check-in comea 4 h e 30 minutos antes do horrio previsto do voo.
O pior cenrio da companhia B apresenta IOS igual a 0,03, o qual considerado como
nvel de servio E/F, ou subtimo. Neste cenrio, a demanda a do ano 4, a porcentagem de
autoatendimento igual a 30%, o check-in comea 3 h e 30 minutos antes do horrio previsto
do voo e 8 balces dos 21 so destinados a classe prioritria. Possivelmente essa queda do
nvel de servio se d principalmente ao fato de o aumento da demanda no encontrar
infraestrutura suficiente (balces de check-in suficientes e espao na fila).
 71

Tabela 20 Resultado em IOS das simulaes de cenrios aternativos da companhia area B, parte 1.

Incio do atendimento: 4h30min antes Incio do atendimento: 4h antes

Auto- 10 balces prioridade 8 balces prioridade 10 balces prioridade 8 balces prioridade
Projeo (1) (2)
atendimento ECO BD ECO BD ECO BD ECO BD ECO BD ECO BD
(3) (4)
04:41 01:59 03:00 02:00 04:41 01:59 04:41 01:59 03:00 02:00 04:41 01:59
20% 0.133 (5) 0.045 - - 0.113 0.501 0.075 0.125 - - 0.090 0.185
Demanda 30% 0.209 0.033 3.333 3.116 0.135 0.391 0.152 0.052 0.693 2.437 0.150 0.309
2015 50% 0.503 0.601 - - 1.325 5.374 0.356 0.827 - - 1.325 1.312
70% 7.765 0.913 - - 6.496 18.544 4.456 0.411 - - 1.712 2.003
20% 0.020 0.082 - - 0.041 0.031 0.015 0.031 - - 0.026 0.030
Ano2 30% 0.029 0.055 1.823 4.302 0.022 0.057 0.024 0.030 0.369 0.465 0.016 0.080
+5,61% 50% 0.097 0.595 - - 0.435 1.349 0.060 0.496 - - 0.218 3.784
70% 2.200 0.366 - - 0.667 0.493 0.935 0.185 - - 1.564 0.646
20% 0.013 0.157 - - 0.015 0.043 0.008 0.012 - - 0.016 0.016
Ano 3 30% 0.023 0.007 0.232 3.589 0.013 0.119 0.017 0.005 0.184 0.723 0.017 0.018
+7,14% 50% 0.115 0.071 - - 0.111 0.518 0.045 0.114 - - 0.148 0.578
70% 2.631 0.054 - - 0.796 0.278 0.425 0.035 - - 0.698 0.249
20% 0.010 0.030 - - 0.010 0.012 0.006 0.004 - - 0.013 0.014
Ano 4 30% 0.011 0.006 0.259 1.005 0.010 0.017 0.008 0.004 0.080 0.709 0.008 0.015
+7,84% 50% 0.049 0.038 - - 0.039 0.160 0.019 0.100 - - 0.022 0.142
70% 4.338 0.032 - - 0.224 0.080 0.079 0.042 - - 0.097 0.038
20% 0.025 0.686 - - 0.036 0.041 0.005 0.331 - - 0.008 0.018
30% 0.035 0.023 0.986 1.224 0.032 0.133 0.006 0.031 0.075 2.102 0.006 0.109
+ 1 voo
50% 0.086 5.435 - - 2.648 1.621 0.009 1.418 - - 0.075 1.039
70% 0.113 0.875 - - 8.891 1.236 0.027 1.108 - - 0.947 0.818
(1) ECO - Classe econmica
(2) BD - Despacho de bagagem LOS A e B - Superdimensionado
(3) 04:41 - Tempo de atendimento em minutos:segundos LOS C - timo
(4) 01:59 - Tempo de atendimento em minutos:segundos LOS D e E - Sub-timo
(5) 0.133 ndice de Servio (IOS)
 72

Tabela 21 Resultado em IOS das simulaes de cenrios aternativos da companhia area B,

parte 2.
Incio do atendimento: 3h30min antes
Auto- 10 balces prioridade 8 balces prioridade
Projeo
atendimento ECO BD ECO BD ECO BD
04:41 01:59 03:00 02:00 04:41 01:59
20% 0.021 0.053 - - 0.024 0.027
Demanda 30% 0.022 0.019 0.171 0.261 0.028 0.045
2015 50% 0.070 0.144 - - 0.109 0.212
70% 0.842 0.048 - - 2.276 0.101
20% 0.011 0.034 - - 0.011 0.009
Ano2 30% 0.010 0.019 0.067 0.065 0.012 0.010
+5,61% 50% 0.012 0.049 - - 0.013 0.306
70% 0.310 0.012 - - 0.108 0.027
20% 0.007 0.007 - - 0.007 0.007
Ano 3 30% 0.018 0.004 0.047 0.153 0.012 0.010
+7,14% 50% 0.012 0.073 - - 0.010 0.096
70% 0.216 0.009 - - 0.040 0.036
20% 0.010 0.009 - - 0.005 0.003
Ano 4 30% 0.008 0.003 0.018 0.074 0.008 0.006
+7,84% 50% 0.012 0.005 - - 0.007 0.028
70% 0.009 0.018 - - 0.022 0.029
20% 0.008 0.052 - - 0.009 0.008
30% 0.009 0.015 0.044 0.083 0.009 0.025
+ 1 voo
50% 0.008 0.064 - - 0.015 0.165
70% 0.016 0.106 - - 0.092 0.057

LOS A e B - Superdimensionado
LOS C - timo
LOS D e E - Sub-timo

Os cenrios simulados para a companhia C encontram-se na Tabela 22.

 73

Tabela 22 Resultado das simulaes de cenrios aternativos da companhia area C.

Incio do atendimento: 4h e 30min antes Incio do atendimento: 4h antes

Auto-
Projeo ECO BD ECO BD ECO BD ECO BD
atendimento
03:57 01:47 03:00 02:00 03:57 01:47 03:00 02:00
20% 0.347 1.800 - - 0.060 0.226 - -
Demanda 30% 0.324 0.463 0.448 1.919 0.053 0.169 0.21301 0.219
2015 50% 0.760 3.034 - - 0.168 1.026 - -
70% 3.148 1.168 - - 0.175 0.304 - -
20% 0.269 0.819 - - 0.044 1.317 - -
Ano2 30% 0.308 0.777 0.668 0.306 0.027 0.152 0.14932 0.159
+5,61% 50% 0.475 2.595 - - 0.073 1.671 - -
70% 1.572 2.550 - - 0.100 0.117 - -
20% 0.080 1.423 - - 0.028 1.118 - -
Ano 3 30% 0.089 0.192 0.452 0.502 0.028 0.326 0.09981 0.242
+7,14% 50% 0.506 2.599 - - 0.075 1.220 - -
70% 1.507 0.353 - - 0.224 0.104 - -
20% 0.055 3.550 - - 0.007 1.496 - -
Ano 4 30% 0.045 0.748 0.249 0.402 0.012 0.222 0.06271 0.089
+7,84% 50% 0.108 1.934 - - 0.057 1.257 - -
70% 0.405 0.327 - - 0.062 0.080 - -
20% 0.197 4.838 - - 0.047 0.446 - -
30% 2.449 0.589 5.620 2.289 0.087 1.529 0.1109 0.331
+ 1 voo
50% 0.552 11.876 - - 0.149 0.924 - -
70% 1.212 0.733 - - 0.399 0.292 - -

LOS A e B - Superdimensionado
LOS C - timo
LOS D e E - Sub-timo

Para a companhia C foram simulados 50 cenrios. O melhor cenrio da companhia C,

presente na Tabela 22, apresenta IOS igual a 11,876, o que representa um nvel de servio
A/B ou superdimensionado. Tal cenrio acontece na fila de baggage drop, quando a escala de
voos usada a escala prevista para 2016, sendo os horrios dos voos diferenciados e acrescido
mais um voo que no consta na escala de 2015. Outros fatores so: autoatendimento de 50%,
incio do atendimento do check-in com 4 h e 30 min de antecedncia aos voos, e tempo de
atendimento mdio igual a 3 min 57 s para o check-in convencional e 1 min 47 s para o
baggage drop. Apesar de a escala de 2015 ter menos passageiros, a escala de 2016 apresenta
voos mais espaados, o que permite que o processamento de passageiros no check-in seja
mais eficiente.
O pior cenrio da companhia C apresenta IOS igual a 0,007, o que representa um nvel
de servio D/E ou subdimensionado. Isso ocorre na fila de check-in convencional, quando a
 74

demanda a do ano 4, o autoatendimento de 20%, o check-in abre com 4h de antecedncia

aos voos e o tempo de atendimento mdio igual a 3 min e 57 s para o check-in convencional
e 1 min 47 s para o baggage drop. Essa queda no nvel de servio provavelmente acontece
devido ao forte incremento da demanda e ao baixo uso do autoatendimento.
 75

5 Aplicao do Mtodo de Regresso

Os modelos de regresso avaliam a possvel relao entre uma varivel dependente

com uma ou mais variveis independentes; os modelos se dividem em duas classes distintas:
os lineares e os no-lineares. Segundo Mazucheli, Achcar e Alberto (2008), a regresso linear
considera que a relao da resposta s variveis uma funo linear, enquanto um modelo de
regresso no linear aquele em que pelo menos um dos seus parmetros aparecem de forma
no linear.
Dentre os modelos no lineares existe a funo Cobb Douglas, funo esta
desenvolvida pelos matemticos Paul Douglas e Charles Cobb, sendo amplamente utilizada
em economia para representar a relao entre dois (ou mais) fatores de produo e o seu
produto. Segundo Douglas (1976), essa funo pode ser representada pela Equao 4:

= (4)

Em que P a varivel dependente, e so variveis independentes, e , e so

parmetros a serem determinados. Para facilitar a obteno das estimativas dos parmetros,
aplica-se logaritmo natural em ambos os membros da equao, reduzindo-a a forma linear,
como mostra a Equao 5.
= + + (5)

O resultado desta equao um modelo de elasticidade constante, onde o aumento de

em 1% altera em %, mantendo-se todas as outras variveis constantes. Na aplicao
desta dissertao, a Equao 4 assume a forma da Equao 6:
(6)
= + + + . + .

+ . + + + +
+

Em que:
 76

o tempo de espera na fila de check-in;

b o coeficiente linear (constante);

1 6 so os coeficientes a serem determinados para cada fator;

nbalces o nmero de balces por companhia area;

balcesprioritrios a quantidade de balces prioritrios (business e first class) com

relao ao nmero de passageiros dessa classe;

t atend. o tempo de atendimento no balco;

novaescala a nova escala;

incio atend o incio do atendimento no check-in;

autoatend. a utilizao de autoatendimento (totem e web);

crescdem o crescimento de demanda;

, e so variveis binrias de companhia area (dummies);

o coeficiente das variveis binrias;

O logaritmo natural o logaritmo de base e, onde e um nmero irracional

aproximadamente igual a 2,72. O logaritmo natural definido para todos os nmeros reais
estritamente positivos e maiores que zero. O fator crescimento de demanda, usado na
construo dos cenrios alternativos apresentados no captulo 4.3, varia nos nveis 0, 5,61%,
7,14%, e 7,84%, e portanto, o nvel 0 deste fator causa problemas anlise.
Para solucionar este problema, usou-se o mtodo da raiz cbica, explanado no estudo
de Cox (2011), onde os autores mostram a similaridade dos resultados de ln( ) e para
certo intervalo de . H discusses frequentes de pesquisadores na rea de estatstica sobre o
que fazer quando necessrio trabalhar em escalas logartmicas, em situaes em que os
dados em estudo contem zeros, entretanto, no h nenhuma soluo bvia. Segundo Cox
(2011), trabalhar com logaritmos de (x + 1) ou (x + k), sendo k um valor grande o suficiente
para garantir que x + k sempre positivo, no a melhor soluo. Visto isso, adotou-se o
mtodo da raiz cbica para o fator crescimento de demanda.
Em seguida, aplicou-se a regresso no linear com o objetivo de obter pesos para
determinar quais so os fatores de maior influncia sobre o nvel de servio de um check-in
 77

internacional. A base de dados usada na regresso engloba todas as 273 simulaes de

cenrios alternativos, sendo o resultado de cada simulao, considerado para esta regresso, o
tempo de espera na fila em minutos.
Os pesos relativos de cada fator so os coeficientes da equao de regresso 1 7 .
As variveis de companhia area possuem natureza essencialmente qualitativa, conhecidas
como dummies ou variveis binrias. Segundo Gujarati e Porter (2011), as dummies indicam
a presena ou ausencia de uma qualidade ou atributo, e assumem valores de 0 ou 1; no caso
das dummies , ,e , elas indicam a presena ou ausencia das companhias A, B e
C. O fator nova escala tambm uma varivel binria, sendo 0 quando a escala usada na
simulao de 2015 e 1 quando usada a escala de 2016.
A multicolinearidade um fenmeno frequentemente detectado em estudos de
regresso. Segundo Gujarati e Porter (2011), esse fenmeno demonstra a existncia de uma
relao linear (perfeita ou imperfeita) entre algumas ou todas as variveis explanatrias do
modelo de regresso. Os autores explicam que se a multicolinearidade for perfeita, os
coeficientes de regresso das variveis sero indeterminveis e seus errors padro infinitos,
porm se a multicolinearidade for imperfeita, os coeficientes podero ser determinados, mas
com alguma impreciso.
Uma das formas sugeridas por Gujarati e Porter (2011) para detectar a
multicolinearidade, atravs do fator de correlao. Este fator mede o grau de linearidade
entre duas variveis; quando este fator -1 (menos um) significa que existe uma perfeita
relao negativa. Uma correlao de 1 (um) significa que existe uma relao positiva perfeita.
Uma correlao de 0 (zero) significa que no h relao linear entre as variveis. Segundo os
autores, se o coeficiente de correlao entre dois regressores for alto, por exemplo, maior que
0,8, a multicolinearidade poder ser um problema srio.
A Tabela 23 apresenta a correlao entre as variveis calculadas pelo Stata Data
Analysis and Statistical Software, em forma de uma matriz, chamada por Gujarati e Porter
(2011) de matriz de correlao. As entradas na diagonal principal desta matriz (aquelas que
vo do canto esquerdo superior para o canto direito inferior) mostram a correlao de uma
varivel com ela mesma, o que sempre 1 por ser uma correlao perfeita, e as entradas fora
da diagonal principal so as correlaes entre pares de variveis X.
 78

Tabela 23 Matriz de correlao entre as variveis.

ciaA ciaB ciaC nbalces propclasses t atend. novaescala incioatend autoatend crescdem

ciaA 1,00
ciaB -0,68 1,00
ciaC -0,33 -0,47 1,00
nbalces 0,76 -0,16 -0,71 1,00
propclasses -0,74 0,95 -0,33 -0,26 1,00
tatend. -0,60 0,73 -0,21 -0,23 0,66 1,00
novaescala -0,27 0,19 0,09 -0,21 0,20 0,16 1,00
incioatend -0,10 -0,14 0,30 -0,22 -0,10 -0,06 0,03 1,00
autoatend. 0,01 0,01 -0,03 0,03 -0,01 0,14 0,00 -0,01 1,00
cresc.demanda 0,11 -0,08 -0,04 0,10 -0,08 -0,05 -0,51 -0,01 0,02 1,00

A maior correlao encontrada foi entre a varivel quantidade de balces prioritrios

(business e first class) e as dummies das companhias areas B e A, com valores de 0,95 e 0,74
respectivamente. Isso acontece porque o nmero de balces destinados classe prioritria
puramente uma escolha da companhia area, e est ligado ao nvel de conforto que a empresa
deseja oferecer a essa classe. Outra varivel que apresentou alta correlao com a dummie da
companhia A foi o nmero de balces. Isso acontece porque durante as simulaes, somente a
companhia A variou o nmero de balces, porm isso no incute problema anlise.
Outra forma de detectar a multicolinearidade atravs do teste Vif (Variance Inflation
Factor). Este teste quantifica o quanto a varincia est artificialmente inflada devido
correlao entre variveis. Os resultados do teste demonstram a qualidade do ajuste de cada
fator contra todos os outros fatores, e so considerados satisfatrios quando apresentam
valores abaixo de 10. O resultado do teste Vif aplicado a todos os fatores se apresenta na
Tabela 24.
 79

Tabela 24 - Teste de multicolinearidade Viftest, relizado no Stata - Data Analysis and

Statistical Software, para todos os fatores.

Fatores VIF
A 20,10
propclasses 13,68
C 9,43
nbalces 5,61
tatend. 2,52
novaescala 1,29
incioatend 1,10
autoatend. 1,04
cresc.demanda 1,04
Mdia VIF 6,22

O teste de multicolinearidade Viftest no apresentou resultado satisfatrio para a

varivel quantidade de balces prioritrios (business e first class), assim como a dummy da
companhia A. Em concordancia com os resultados da Tabela 23, possvel perceber que a
alta correlao entre a varivel quantidade de balces prioritrios (business e first class) com
as dummies de companhia area pode trazer vis a anlise. este probema soma-se o
seguinte fato: quando os balces da classe prioritria esto vagos, os atendentes chamam
passageiros da fila da classe econmica, ou baggage drop, o que relativiza as divises entre
classes. Em consequncia disso, o impacto de diminuir ou aumentar um pouco o nmero de
balces de uma determinada classe suavizado por esse fenmeno.
Portanto, devido aos problemas de alta correlao da varivel quantidade de balces
prioritrios com as dummies de companhia area e a falta de preciso da varivel devido ao
uso alternativo que os balces podem ter ao longo do dia, apropriado analisar o modelo
retirando-se esta varivel. O teste Vif foi realizado sobre a especificao sem a varivel
quantidade de balces prioritrios, e os resultados indicados na Tabela 25 demonstram que o
modelo possui colinearidade aceitvel entre as variveis, retirada a varivel quantidade de
balces prioritrios.
 80

Tabela 25 Teste de multicolinearidade Viftest, relizado no Stata - Data Analysis and

Statistical Software.

Fatores VIF
A 4,62
C 3,15
nbalces 5,6
tatend. 2,32
novaescala 1,45
incioatend 1,36
autoatend. 1,1
cresc.demanda 1,04
Mdia VIF 2,58

A Tabela 26 mostra os resultados da regresso sem a varivel quantidade de balces

prioritrios.

Tabela 26 Coeficientes, erro padro, t Stat e P-valor. Especificao sem a varivel

quantidade de balces prioritrios (business e first class).

Variveis Coeficientes Erro t Stat P-valor

Padro
B -1,02 0,15 -6,81 0,00
C -3,03 0,31 -9,78 0,00
nbalces -3,36 0,33 -10,13 0,00
tatend. 2,43 0,28 8,61 0,00
novaescala 0,53 0,11 4,88 0,00
incioatend -4,58 0,41 -11,20 0,00
autoatend. -1,05 0,07 -15,11 0,00
cresc.demanda 0,34 0,03 10,93 0,00
Intercepto 39,49 2,52 15,64 0,00
R2 = 0,7387
F = 93,27
Observaes = 273

A estatstica F atesta a significancia do modelo de regresso. A Estatstica t o

coeficiente dividido pelo seu erro padro. O erro padro uma estimativa do desvio padro do
coeficiente, e pode ser considerado como uma medida da preciso com a qual o coeficiente de
regresso medido. O coeficiente deve apresentar valor pelo menos duas vezes maior do que
o seu erro padro para ser considerado significativo. Os coeficientes da Tabela 26 podem ser
substitudos na Equao 6, gerando a Equao 7:
 81

(7)
, , , ,
= 39,49 + + . + . + .

+ , + 0,53 1,02 3,03

Segundo a Tabela 26, o coeficiente de impacto do fator nmero de balces por

companhia ( ) igual a -3,36. Isso mostra que o crescimento do nmero de balces
causa redues no tempo de espera da fila. Aumentando-se o fator Nmero de balces em
porcentagem, e mantendo-se todos os outros fatores constantes, o tempo de espera na fila se
comporta da forma exibida na Figura 28; segundo essa figura, o acrscimo de 10% no total de
balces existentes pode diminuir o tempo de fila em 27%, enquanto o acrscimo de 100% no
total de balces existentes pode diminuir o tempo de espera na fila em 90%.

-100%
% de decrscimo no tempo de fila

-80%

-60%

-40%

-20%

0%
0% 20% 40% 60% 80% 100%
% de balces adicionados

Figura 28 Resultado da regresso para o nmero de balces por companhia area.

O fator tempo de atendimento ( . ), com coeficiente de impacto de 2,43, se

comporta segundo a Figura 29. Aumentando-se o tempo mdio de atendimento em 10%,
mantendo-se todos os outros fatores constantes, possvel que o tempo de espera em fila
tenha um aumento de 30%, e para um aumento de 100% no tempo mdio de atendimento,
possvel que o tempo de espera na fila cresa em 565%.
 82

600%

% de acrscimo no tempo de fila

500%

400%

300%

200%

100%

0%
0% 20% 40% 60% 80% 100%
% de acrscimo no tempo de atendimento

Figura 29 Resultado da regresso para tempo de atendimento.

O fator incio do atendimento no check-in ( .) apresentou coeficiente de

impacto de 2,43; a relao entre o fator e o tempo de espera na fila comporta-se da forma
exibida na Figura 30, onde um acrscimo de 10% no incio do atendimento (comeando o
atendimento do check-in mais cedo) pode diminuir o tempo de espera na fila em 34%.

-100%
% de decrscimo no tempo de fila

-80%

-60%

-40%

-20%

0%
0% 20% 40% 60% 80% 100%
% de acrscimo no incio do atendimento
Figura 30 - Resultado da regresso para o incio do atendimento no check-in.

O fator utilizao de autoatendimento (totem e web) ( ) apresentou

coeficiente igual a -1,05 e tem seu comportamento representado na Figura 31. Os resultados
 83

mostram que um aumento de 10% na utilizao de autoatendimento pode diminuir o tempo de

espera na fila em 8%, e um crescimento de 100% na utilizao de autoatendimento pode
reduzir o tempo de fila em 45%.

-50%
% de decrscimo no tempo de fila
-40%

-30%

-20%

-10%

0%
0% 20% 40% 60% 80% 100%

% de acrscimo da utilizao de autoatendimento

Figura 31 - Resultado da regresso para a porcentagem de utilizao de autoatendimento.

O fator crescimento de demanda ( . ) apresentou coeficiente de impacto

de 0,34, e comporta-se segundo a Figura 32, na qual o aumento de 10% da demanda pode
incrementar 3% no tempo de espera na fila e o aumento de 100% na demanda pode causar um
acrscimo de 24% no tempo de espera na fila.
 84

25%

% de acrscimo no tempo de fila

20%

15%

10%

5%

0%
0% 20% 40% 60% 80% 100% 120%
% de acrscimo na demanda

Figura 32 - Resultado da regresso para o crescimento de demanda.

O fator nova escala ( ) apresentou coeficiente de 0,53. Como esse fator

uma dummy, esse resultado nos indica que quando a dummy igual a um, ou seja, na escala
de 2016, o tempo de espera na fila pode aumentar em 53%.
O intercepto (39,49) indica que outras variveis podem ser includas nesta anlise, por
conseguinte, h um ou mais factores que influenciam o nvel de servio do check-in
internacional que no esto representados pelas variveis explanatrias includas no modelo.
A Figura 33 mostra uma viso geral do impacto da variao de cada fator sobre o
tempo de espera na fila. O fator tempo de atendimento no balco, representado pela linha
amarela, mostrou-se ser o fator de maior impacto, seguido do fator Incio do atendimento no
check-in, nmero de balces por companhia area, utilizao de autoatendimento e
crescimento de demanda.
 85

500%
Nmero de balces

Acrscimo/decrscimo no tempo de fila

Tempo de Atendimento
400% Incio do Atendimento
Autoatendimento
Demanda
300%

200%

100%

0%
0% 20% 40% 60% 80% 100%

-100%
Variao em porcentagem nos fatores

Figura 33 Efeito ceteris paribus da variao de cada fator sobre o tempo de espera na fila de
check-in.
 86

6 Concluses e Recomendaes

6.1 Concluses

A reviso bibliogrfica mostrou que existe uma carncia na literatura (internacional e

nacional) de estudos sobre os fatores determinantes na formao do nvel de servio; dentre os
trabalhos estudados, somente o trabalho de Borille e Correia (2013) determinou os fatores que
influenciam no nvel de servio, porm com foco no desembarque. Sendo assim, a presente
dissertao pretende contribuir com a comunidade cientfica e com o setor de transporte areo
em geral, propondo uma metodologia para estudar os fatores que influenciam no nvel de
servio de check-in, e a importncia individual destes fatores sobre o nvel de servio.
A metodologia desse estudo se inicia no dimensionamento da amostra para coleta de
dados, o qual foi feito atravs de proporo populacional. A coleta de dados englobou a
medio de tempos de processamento por tipo de check-in e nmero de passageiros na fila ao
longo do tempo. Os dados coletados foram inseridos nos modelos de simulao de cada
companhia area e os modelos foram verificados e validados. Em seguida, 273 cenrios
alternativos foram simulados. Os resultados das simulaes de cada cenrio podem ser
replicados para outros aeroportos, sendo necessrio apenas substituir os dados de entrada
relacionados infraestrutura, demanda e operaes. As informaes contidas nos cenrios e
os resultados destes testes foram desenvolvidos para auxiliar operadores na tomada de deciso
quanto ao nmero de balces destinados por companhia, assim como para auxiliar
companhias areas quanto s prticas operacionais. Para se estimar o peso que determinados
fatores exercem sobre o tempo de espera na fila de check-in, foi aplicada a tcnica de
regresso Cobb Douglas.
Mantendo-se constantes o nmero de balces, a demanda e o nmero de voos,
possvel concluir que a forma mais eficaz de diminuir o tempo de fila e melhorar o nvel de
servio atravs da diminuio do tempo de atendimento. Isso pode ser alcanado atravs de
treinamento dos atendentes de balco para que sejam mais geis, especialmente em casos
especiais como excesso de bagagem ou transporte de animais. Em check-in de voos
internacionais, pode ser uma alternativa interessante colocar atendentes que chequem se os
passaportes esto em dia, e se os documentos necessrios para viagem internacional esto
 87

corretos, antes mesmo que os passageiros entrem na fila. Esse procedimento diminui o tempo
de atendimento no balco. Alm disso, colocar balanas para pesagem de bagagens antes que
os passageiros entrem na fila de check-in pode ser uma boa alternativa.
Outra forma eficaz de diminuir o tempo de fila atravs do aumento do uso de
autoatendimento. O autoatendimento inclui o check-in on-line e o check-in nos totens
existentes no aeroporto. Para aumentar a porcentagem de autoatendimento, interessante que
as companhias orientem os passageiros para que se dirijam para os totens para em seguida
despachar as bagagens, e coloquem sempre um ou mais funcionrios para auxiliar os
passageiros a realizarem o seu check-in nos totens.
Ainda, sugerido diminuir o tempo de fila por meio do incio do atendimento. Isto ,
comear o atendimento um pouco mais cedo pode ser uma boa opo para diminuir as filas,
considerando que frequentemente boa parte dos passageiros internacionais chega ao aeroporto
antes mesmo da abertura do atendimento do check-in. Entretanto, o horrio de abertura do
check-in costuma ser fixado pelo aeroporto, devido necessidade de compartilhamento de
balces e, portanto, essa medida no se aplica em muitos casos. importante destacar que,
assim como iniciar o check-in um pouco mais cedo pode reduzir o tempo de fila, atrasos no
incio da abertura do check-in podem aumentar o tempo de fila.
O operador aeroporturio precisa estar atento para o crescimento de demanda e
acrscimo de novos voos para ajustar a necessidade de balces e totens de cada companhia. O
nmero de balces um importante fator para que se obtenha nvel de servio satisfatrio, e
devido aos recursos serem limitados, importante fazer um correto balanceamento do nmero
de balces concedidos a cada companhia.

6.2 Trabalhos Futuros

Como complemento desta dissertao, sugere-se que seja aplicada a mesma

metodologia de coleta de dados e simulao em outros aeroportos do pas, para que se
obtenha uma viso ampla da situao dos aeroportos brasileiros no componente de check-in.
Sugere-se fazer coleta de dados em campo sobre a curva de chegada de passageiros no
check-in, para ento simular como a alterao desta curva pode trazer impacto no tempo de
fila. Tambm outros fatores poderiam ser analisados, como por exemplo: nmero de bagagens
por passageiro, destino dos voos, entre outros.
 88

Sugere-se tambm a realizao de estudos sobre a percepo do passageiro com

relao aos fatores apresentados na tese, como por exemplo, a utilizao de autoatendimento
(totem e web) e o tempo de atendimento no balco. Outra sugesto seria aplicar a metodologia
proposta nesta tese fazendo uso de outro software, como por exemplo, o ARENA.
 89

7 REFERNCIAS

ANAC (Brasil). Declarao da Capacidade Operacional SBGR. Braslia, DF, 2015.

Disponvel em:
<http://www2.anac.gov.br/slot/novas/DeclaracoesDeCapacidade/gru/index.asp> Acesso
em: 01 de agosto 2015.

ANAC (Brasil). Voos Autorizados Vigentes (HOTRAN). Braslia, DF, 2015. Disponvel
em: <http://www2.anac.gov.br/hotran/> Acesso em: 15 de agosto 2015.

ALMEIDA, P. M. S. de. Utilizao de simulao na anlise de componentes de terminais

de passageiros de aeroportos brasileiros. 1998. Dissertao (Mestrado em Engenharia de
Infraestrutura Aeronutica) - Instituto Tecnolgico de Aeronutica, So Jos dos Campos.

ANDREATTA, Giovanni; BRUNETTA, Lorenzo; RIGHI, Luca. Evaluating terminal

management performances using SLAM: the case of Athens International Airport.
Computers & Operations Research, v. 34, n. 6, p. 1532-1550, 2007.

APPELT, Simone et al. Simulation of passenger check-in at a medium-sized US airport.

In: WINTER SIMULATION CONFERENCE, 2007, Washington, DC. Piscataway: IEEE,
2007. p. 1252-1260.

ASPELIN, Karen. Establishing pedestrian walking speeds. Portland, OR: Portland State
University, 2005.

ASHFORD, Norman; COUTU, Pierre; BEASLEY, John. Airport Operations. 3rd ed. New
York: McGraw-Hill Education, 2013.

BANDEIRA, Michelle Carvalho Galvo da Silva et al. Key indicators that affect the
perception of service quality in critical airport areas of passenger boarding. Journal of
Transport Literature, v. 8, n. 4, p. 7-36, 2014.

BORILLE, Giovanna Miceli Ronzani; CORREIA, Anderson Ribeiro. A method for

evaluating the level of service arrival components at airports. Journal of Air Transport
Management, v. 27, p. 5-10, 2013.

BORILLE, Giovanna Miceli Ronzani. A method to evaluate the determinants factors of

the level of service offered at airport passenger terminals: operational arrival components.
2012. 169 p. Tese (Doutorado em Engenharia de Infraestrutura Aeronutica) - Instituto
Tecnolgico de Aeronutica. So Jos dos Campos.

BRUNO, G.; GENOVESE, A. A mathematical model for the optimization of the airport
check-in service problem. Electronic Notes in Discrete Mathematics, v. 36, p. 703-710,
2010.
 90

CASTILLO-MANZANO, Jos I.; LPEZ-VALPUESTA, Lourdes. Check-in services and

passenger behaviour: Self service technologies in airport systems. Computers in Human
Behavior, v. 29, n. 6, p. 2431-2437, 2013.

CORREIA, Anderson Ribeiro; WIRASINGHE, S. C.; BARROS, Alexandre G. de. A

global index for level of service evaluation at airport passenger terminals. Transportation
Research Part E: Logistics and Transportation Review, v. 44, n. 4, p. 607-620, 2008.

CORREIA, Anderson R.; WIRASINGHE, S. C. Development of level of service

standards for airport facilities: application to So Paulo International Airport. Journal of
Air Transport Management, v. 13, n. 2, p. 97-103, 2007.

COELHO, Lgia Gesteira; SILVA, A. N. R.; DINATO, Antonio Carlos. Capacidade e

nvel de servio do terminal de passageiros de um aeroporto regional: o caso de Ribeiro
Preto. Journal of Transport Literature, v. 6, n. 3, p. 107-120, 2012.

COX, Nicholas J. Stata tip 96: Cube roots. Stata Journal, v. 11, n. 1, p. 149, 2011.

DEVORE, Jay L. Probabilidade e estatstica: para engenharia e cincias. Pioneira

Thomson Learning, 2006.

DOUGLAS, Paul H. The Cobb-Douglas production function once again: its history, its
testing, and some new empirical values. The Journal of Political Economy, p. 903-915,
1976.

ELLER, Rogria de Arantes Gomes; FEITOSA, Milton Valdir de Matos; PORTO,

Protgenes Pires. Simulation model of a baggage claim device coping with a new large
aircraft (NLA). Journal of Transport Literature, v. 5, n. 2, p. 63-72, 2011.

FEITOSA, M. V. M. Um modelo de simulao para terminais de passageiros em

aeroportos regionais brasileiros. 2000. Dissertao (Mestrado em Engenharia de
Infraestrutura Aeronutica) - Instituto Tecnolgico de Aeronutica, So Jos dos Campos.

GRUAIRPORT. Aeroporto Internacional de So Paulo. So Paulo, SP, 2016. Disponvel

em: <http://www.gru.com.br/pt-br> Acesso em abril de 2016.

GUJARATI, Damodar N.; PORTER, Dawn C. Econometria bsica. 5. ed. Porto Alegre,
RS: AMGH Editora, 2011.

HSU, C.; CHAO, C.; SHIH, K. Dynamic allocation of check-in facilities and dynamic
assignment of passengers at air terminals. Computers & Industrial Engineering, v. 63, n.
2, p. 410-417, 2012.

INFRAERO (Brasil). Concesso de Aeroportos. Disponvel em:

<http://www.infraero.gov.br/index.php/br/transparencia/concessao.html> Acesso em: 01
de agosto 2015.
 91

INTERNATIONAL AIR TRANSPORTATION ASSOCIATION. Airport development

reference manual. 9th ed. Montreal, 2004.

INTERNATIONAL AIR TRANSPORTATION ASSOCIATION. Airport development

reference manual. 10th ed. Montreal, 2014.

MAIA, Marina C.et al. Cenrios alternativos para melhoria do nvel de servio no check-
in de importantes aeroportos brasileiros. In: SIMPSIO DE TRANSPORTE AREO, 9.,
2010, Manaus. Anais [S.l.: s.n], 2010.

MANATAKI, Ioanna E.; ZOGRAFOS, Konstantinos G. A generic system dynamics

based tool for airport terminal performance analysis. Transportation Research Part C:
Emerging Technologies, v. 17, n. 4, p. 428-443, 2009.

MARCOS, Antonio Rodolfo Araujo; FERREIRA, Luciano. Um modelo de simulao

para gesto da capacidade dos aeroportos brasileiros. Revista Eletrnica de
Administrao, v. 21, n. 1, p. 1-26, 2015.

MAZUCHELI, Josmar; ACHCAR, Jorge Alberto. Algumas consideraes em regresso

no linear. Acta Scientiarum. Technology, v. 24, p. 1761-1770, 2008.

MEDEIROS, A. G. Um mtodo para dimensionamento de terminais de passageiros em

aeroportos brasileiros. 2004. Dissertao (Mestrado em Engenharia de Infraestrutura
Aeronutica) - Instituto Tecnolgico de Aeronutica, So Jos dos Campos.

MOTA, Miguel Mujica. Check-in allocation improvements through the use of a

simulationoptimization approach. Transportation Research Part A: Policy and Practice,
v. 77, p. 320-335, 2015.

ORNSTEIN, Sheila; ROMRO, Marcelo. Avaliao Ps-Ocupao (APO) do ambiente

construdo. So Paulo: Studio Nobel, 1992.

PANROTAS. Conhea o T3 do Aeroporto de Guarulhos (SP). So Paulo, SP, 2014.

Disponvel em: <http://www.panrotas.com.br/album-de-fotos-turismo/aviacao/conheca-o-
t3-do-aeroporto-de-guarulhos-sp_100330,0.html> Acesso em abril de 2016.

SOLAK, Senay; CLARKE, John-Paul B.; JOHNSON, Ellis L. Airport terminal capacity
planning. Transportation Research Part B: Methodological, v. 43, n. 6, p. 659-676, 2009.

STOLLETZ, R. Operational workforce planning for check-in counters at airports.

Transportation Research Part E: Logistics and Transportation Review, v. 46, n. 3, p. 414-
425, 2010.

TRIOLA, M. F. Introduo estatstica. 7. ed. Rio de Janeiro: LTC, 1999.

UNITED STATES. Federal Aviation Administration. Planning and design guidelines for
airport terminal facilities. Washington, DC, 1988. (Advisory Circular 150/5360-13).
 92

WANG, P. T.; PITFIELD, D. E. The derivation and analysis of the passenger peak hour:
an empirical application to Brazil. Journal of Air Transport Management, v. 5, n. 3, p.
135-141, 1999.

OFFICIAL AIRLINE GUIDE. Brazils Guarulhos International Airport to boost

leadership position with OAGs Analyzer suite. Colorado, 2015. Disponvel em:
<http://www.oag.com/Press-Room/brazil-guarulhos-international-airport-boost-
leadership-position-oag-analyser-suite>. Acesso em: 30 set. 2015.
 93

8 Apendice A Formulrio de coleta de dados de tempo

de atendimento.
Dia: Companhia:
Tipo de atendimento: Economica ( ) Business ( ) BagDrop ( ) Totem ( )

Incio Fim Nmero Tempo de

atendimento atendimento de pax processamento
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
 94

9 Apendice B Formulrio de coleta de dados de nmero

de passageiros na fila.

Dia: Hora de incio: Companhia:

Nmero de pax na Fila N de balces abertos

Hora Bag Bag
Eco Business Pref. Eco Business Pref.
Drop Drop
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
 95

10 Apndice C Validao atravs do mtodo ANOVA.

O Apndice C apresenta um detalhamento dos clculos realizados para a validao dos
modelos de simulao atravs do mtodo ANOVA, apresentado na seo 4.2 desta
dissertao.

Variveis
I: nmero de populaes ou tratamentos que esto sendo comparados.
J: nmero de observaes por grupo.
Mdia X: Equivale a mdia amostral individual de cada populao avaliada.

Mdia Geral: mdia de todas as observaes em todas as populaes.

.. =

S: varincia amostral.

( .)
=
1

v1 e v2: nmero de graus de liberdade do numerador e do denominador de uma

famlia de distribuies de probabilidade.

= 1
= ( 1)

QMTr: Quadrado mdio dos tratamentos.

= ( )
1

QME: quadrado mdio do erro.

+ + +
=

Fcalc: estatstica de teste ANOVA.

 96

Ftab: regio de rejeio da curva de distribuio de probabilidades. Valor tabelado

que pode ser obtido a partir dos graus de liberdade e do nvel de significncia p.

Cia A - Classe Economica (Pr atendimento)

Mdia
Real Simulado
geral
Mdia X 1.74 0.86 1.30
S (desvio padro) 12.20 8.63

I (nmero de grupos) 2
J (amostras por grupo) 38
v1 1
v2 74
QMTr 14.65
QME 10.42
Fcalc 1.41
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0

Cia A - Classe Economica (Balco)

Mdia
Real Simulado
geral
Mdia X 1.92 0.92 1.42
S (desvio padro) 9.16 8.49

I (nmero de grupos) 2
J (amostras por grupo) 38
v1 1
v2 74
QMTr 19.01
QME 8.82
Fcalc 2.15
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0
 97

Cia A - Despacho de Bagagens

Mdia
Real Simulado
geral
Mdia X 0.13 0.19 0.16
S (desvio padro) 0.33 0.22

I (nmero de grupos) 2
J (amostras por grupo) 38
v1 1
v2 74
QMTr 0.06
QME 0.28
Fcalc 0.21
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0

Cia B - Classe Economica

Mdia
Simulado Real
geral
Mdia X 8.42 6.34 7.38
S (desvio padro) 108.17 122.68

I (nmero de grupos) 2
J (amostras por grupo) 41
v1 1
v2 80
QMTr 42.01
QME 115.43
Fcalc 0.36
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0
 98

Cia B - Despacho de Bagagens

Mdia
Simulado Real
geral
Mdia X 2.65 1.32 1.98
S (desvio padro) 12.14 5.97

I (nmero de grupos) 2.00

J (amostras por grupo) 41.00
v1 1.00
v2 80.00
QMTr 17.34
QME 9.05
Fcalc 1.92
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0

Cia C - Classe Economica

mdia
Real Simulado
geral
Mdia X 6.05 5.01 5.53
S (desvio padro) 23.54 33.05

I (nmero de grupos) 2
J (amostras por grupo) 49
v1 1
v2 96
QMTr 12.76
QME 28.29
Fcalc 0.45
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0
 99

Cia C - Despacho de Bagagens

mdia
Real Simulado
geral
Mdia X 1.89 1.92 1.90
S 3.35 6.19

I (nmero de grupos) 2
J (amostras por grupo) 49
v1 1
v2 96
QMTr 0.02
QME 4.77
Fcalc 0.003
Ftab 3.92 para p=5

Fcalc<Ftab Aceita H0
 FOLHA DE REGISTRO DO DOCUMENTO
1. 2. 3. 4.
CLASSIFICAO/TIPO DATA REGISTRO N N DE PGINAS
DM 22 de julho de 2016 DCTA/ITA/DM-040/2016 99
5.
TTULO E SUBTTULO:
Metodologia de avaliao de fatores determinantes no nvel de servio oferecido no check-in de voos
internacionais.
6.
AUTOR(ES):
Paula Sutherland Wallauer Rolim
7. INSTITUIO(ES)/RGO(S) INTERNO(S)/DIVISO(ES):
Instituto Tecnolgico de Aeronutica ITA
8.
PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:
1. Infraestrutura Aeroporturia. 2. Nvel de Servio. 3. Check-in.
9.PALAVRAS-CHAVE RESULTANTES DE INDEXAO:
Aeroportos; Operaes de linhas areas; Qualidade de servio; Infraestrutura (transporte); Planejamento de aeroportos;
Engenharia aeroporturia; Transporte.
10.
APRESENTAO: X Nacional Internacional
ITA, So Jos dos Campos. Curso de Mestrado. Programa de Ps-Graduao em Engenharia de Infraestrutura
Aeronutica. rea de Transporte Areo e Aeroportos. Orientador: Prof. Dr. Anderson Ribeiro Correia. Defesa
em 16/06/2016. Publicada em 2016.
11.
RESUMO:
O check-in um procedimento essencial para o transporte internacional de passageiros, entretanto,
frequentemente este procedimento tem apresentado tempos de espera excessivos, e nvel de servio ruim. Com a
finalidade de auxiliar operadores aeroporturios e contribuir com a comunidade acadmica na determinao das
prticas que podem melhorar a qualidade do servio oferecido neste componente, esta dissertao props uma
metodologia de avaliao de fatores que podem influenciar no nvel de servio de um check-in internacional.
Estudos relacionados ao check-in so comuns na literatura, porm, at o ano corrente nenhum deles analisou os
fatores de influncia no nvel de servio de check-in. Pequenas mudanas na operao da referida atividade
podem trazer importantes mudanas no nvel de servio, portanto este estudo pretende quantificar os impactos
deste tipo de mudana. A metodologia usada no presente trabalho engloba: (i) levantamento de dados no
Aeroporto Internacional de So Paulo/Guarulhos, (ii) tratamento dos dados coletados, (iii) anlise de
infraestrutura, (iv) aplicao de simulao e (iv) utilizao de regresso. A coleta de dados de 1.575 passageiros
ao longo de 7 dias do ms de outubro do ano de 2015, juntamente com o levantamento de infraestrutura, foram a
base para desenvolver um modelo no software CAST Terminal, o qual replica as operaes de check-in
internacional do Terminal 3 de passageiros do Aeroporto Internacional de So Paulo/Guarulhos. A validao do
modelo foi feita atravs de comparao estatstica dos resultados da simulao com os resultados do sistema
real, e a partir do modelo verificado e validado foram desenvolvidos 273 cenrios alternativos com variaes dos
seguintes fatores: (i) nmero de balces por companhia area; (ii) incio do atendimento no check-in; (iii)
quantidade de balces prioritrios (business e first class); (iv) porcentagem de utilizao de autoatendimento
(totem e web); (v) tempo de atendimento no balco; (vi) crescimento de demanda e (vii) nova escala. Estimou-se
assim o nvel de servio do check-in em cada cenrio simulado, assim como o tempo mximo de espera e o
espao mnimo disponvel. Foi construda uma matriz de cenrios por companhia area em que possvel
verificar de que forma o nvel de servio deteriorado ou melhorado atravs da variao dos fatores e estimou-
se tambm o impacto de cada fator sobre o nvel de servio. Entender melhor a importncia de cada um destes
fatores pode ser uma importante informao para melhorias tanto no nvel de servio quanto na utilizao de
infraestrutura disponvel para as operaes de check-in.
12.
GRAU DE SIGILO:
(X ) OSTENSIVO ( ) RESERVADO ( ) SECRETO