View
214
Download
0
Category
Preview:
Citation preview
FACULDADE IETEC
Wesley Afonso Polesca de Souza
TÉCNICAS DE SIMULAÇÃO DE SISTEMAS PARA TOMADA DE
DECISÃO NO PROCESSO DE TRIAGEM NEONATAL
Belo Horizonte
2016
Wesley Afonso Polesca de Souza
TÉCNICAS DE SIMULAÇÃO DE SISTEMAS PARA TOMADA DE
DECISÃO NO PROCESSO DE TRIAGEM NEONATAL
Dissertação apresentada ao Curso de Mestrado da Faculdade Ietec, como requisito parcial à obtenção do título de Mestre em Engenharia e Gestão de Processos e Sistemas. Área de concentração: Engenharia e Gestão de Processos e Sistemas
Linha de pesquisa: Gestão de Processos, Sistemas e Projetos
Orientador: Prof. Ph.D. José Helvecio Martins Faculdade Ietec
Belo Horizonte
Faculdade Ietec
2016
Souza, Wesley Afonso Polesca de.
S729t Técnicas de simulação de sistemas para tomada de decisão no processo de triagem neonatal/ Wesley Afonso Polesca de Souza. - Belo Horizonte, 2016.
90 f., enc.
Orientador: José Helvecio Martins
Dissertação (mestrado) – Faculdade Ietec.
Bibliografia: f. 66-69
1. Gestão de processos. 2. Empresas - Aspectos econômicos. 3. Processo de implementação. I. Martins, José Helvecio. II. Faculdade Ietec. Mestrado em Engenharia e Gestão de Processos e Sistemas. III. Título.
CDU: 681.3.03
Em memória dos meus Pais, Ana e Ildeu, a eles todos os meus créditos.
AGRADECIMENTOS
Nessa parte do trabalho sempre fica a preocupação de esquecer alguém.
Então, desde já agradeço a todos que me acompanharam do início até o fim desse
trabalho.
A todos os professores, em especial, ao Professor José Helvecio e Professor
Rafael Pinheiro, pela orientação e paciência durante o desenvolvimento desta
dissertação. Aos colegas de mestrado, que durante a realização dos créditos,
dividiram as experiências e conhecimentos, sempre com muito ânimo e bom humor.
Aos meus amigos, que sempre me apoiaram e arrumaram tempo para sair
por algumas horas, retirando o peso das responsabilidades de nossas costas.
Agradeço aos meus irmãos, pela paciência e compreensão durante o
desenvolvimento desse trabalho.
E, finalmente, para Simone da Silva Miranda, minha esposa, por ter sido meu
ponto de amizade, companhia e paciência. Sem ela o meu caminho seria muito
mais difícil.
“A mente que se abre a uma nova ideia jamais voltará ao seu tamanho original. ”
Albert Einstein
RESUMO
Esse trabalho propõe a aplicação de modelos de simulação computacional para o
programa de triagem neonatal. Para possibilitar aos gestores uma visão gerencial do
programa foi proposto um modelo de dinâmica de sistema contínuo, e para
possibilitar uma visão operacional do fluxo do programa, foi proposto um modelo de
simulação por eventos discretos. A validação dos modelos foi realizada por meio
dos dados coletados do Núcleo de Ações e Pesquisa de Apoio ao Diagnóstico da
Faculdade de Medicina da UFMG. Os modelos apresentados nesta dissertação
fornecem aos gestores dos programas de triagem neonatal uma ferramenta capaz
de realizar predições e a condução de experimentos sem a necessidade de interferir
na produtividade dos recursos humanos do sistema.
Palavras-chave: Dinâmica de sistema. Eventos discretos. Predições. Modelos de
simulação.
ABSTRACT
This work proposes the application of computer simulation models for the neonatal
screening program. To enable managers to a managerial vision of the program it is
proposed a continuous system dynamics model, and to allow an operational
overview of the program flow, it is proposed a model of discrete event simulation.
Validation of the models was performed using the data collected from the Center for
Action and Research Diagnosis Support of the School of Medicine of the Federal
University of Minas Gerais. The models presented in this dissertation provide
managers of neonatal screening programs a tool to make predictions and conducting
experiments without the need to interfere with the productivity of the human
resources in the system.
Keywords: System Dynamics. Discrete events. Predictions. Simulation models.
LISTA DE FIGURAS
Figura 1 - Previsibilidade do sistema em função de sua complexidade com
simulação e sem simulação .................................................................. 16
Figura 2 - Simulação discreta ................................................................................ 22
Figura 3 - Aplicações de modelagem e simulação por nível de abstração ............ 23
Figura 4 - Etapas de desenvolvimento do projeto .................................................. 27
Figura 5 - Fluxo de Triagem Neonatal ................................................................... 29
Figura 6 - Diagrama casual do Programa de Triagem Neonatal (PTN) ................. 34
Figura 7 - Diagrama de fluxo para o modelo de simulação do processo de triagem
neonatal por meio da dinâmica de sistema contínuo ............................ 36
Figura 8 - As quatro etapas do modelo de simulação............................................ 37
Figura 9 - Fluxo de crescimento da população e a triagem das amostras no
Laboratório de Triagem Neonatal (LTN) - Serviço de referência ........... 38
Figura 10 - Laboratório de triagem neonatal ............................................................ 40
Figura 11 - Comunicação com o centro de referência ............................................. 43
Figura 12 - Monitoramento do tratamento ............................................................... 45
Figura 13 - Fluxo principal do Processo de Triagem Neonatal ................................ 47
Figura 14 - Comunicação com o centro de referência ............................................. 49
Figura 15 - Fluxo laboratorial ................................................................................... 50
Figura 16 - Elemento “triagem” ................................................................................ 56
Figura 17 - Elemento "Recebimento" ....................................................................... 57
Figura 18 - Elemento "Amostra alterada" ................................................................ 58
Figura 19 - Comparação entre os resultados obtidos por meio de simulação e os
dados reais, para o elemento "Amostra alterada" ................................. 59
Figura 20 - Elemento "Resolução de recoleta" ........................................................ 60
Figura 21 - Elemento "Encaminhamento" ................................................................ 61
Figura 22 - Comparação entre os dados reais e os dados obtidos por meio de
simulação para o elemento "Encaminhamento" .................................... 61
Figura 23 - Comparação entre as variáveis de entrada no sistema ........................ 63
Figura 24 - Comparação entre as variáveis de realização dos exames .................. 63
LISTA DE QUADROS
Quadro 1 - Vantagens e desvantagens das ferramentas de simulação .................. 20
Quadro 2 - Diferenças conceituais entre as metodologias de dinâmica de sistema
(DS) e de simulação por eventos discretos (SED) ................................ 24
Quadro 3 - Principais variáveis do Processo de Triagem Neonatal (PTN) .............. 33
Quadro 4 - Fórmulas utilizadas na primeira parte do modelo – triagem neonatal ... 39
Quadro 5 - Fórmulas utilizadas na segunda parte do modelo ................................. 41
Quadro 6 - Fórmulas utilizadas na terceira parte do modelo ................................... 44
Quadro 7 - Fórmulas utilizadas na quarta parte do modelo ..................................... 46
Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos . 51
Quadro 9 - Entradas das entidades para a simulação do processo de triagem por
meio de eventos discretos ..................................................................... 55
Quadro 10 - Dados reais da base de dados do Programa de Triagem Neonatal ..... 62
Quadro 11 - Dados simulados e comparação com os dados reais ........................... 62
LISTA DE ABREVIATURAS E SIGLAS
FM Faculdade de medicina
NUPAD Núcleo de Ações e Pesquisa em Apoio ao Diagnóstico
PTN Programa de Triagem Neonatal
PTN-MG Programa de Triagem Neonatal de Minas gerais
SUS Sistema Único de Saúde
SES-MG Secretaria de Estado da Saúde de Minas Gerais
SRTN Serviço de Referência em Triagem Neonatal
SED Simulação de Eventos Discretos
SC Simulação Contínua
SUMÁRIO
1 INTRODUÇÃO ............................................................................................. 14
1.1 Considerações preliminares ......................................................................... 14
1.2 O problema ................................................................................................... 15
1.3 Hipótese ....................................................................................................... 17
2 OBJETIVOS ................................................................................................. 18
3 REVISÃO DE LITERATURA ........................................................................ 19
3.1 Conceito de triagem ..................................................................................... 19
3.2 Modelagem e simulação ............................................................................... 20
3.2.1 Dinâmica de sistemas .................................................................................. 21
3.2.2 Simulação por eventos discretos .................................................................. 21
3.2.3 Comparação entre a dinâmica de sistema (DS) a e simulação de eventos
discretos ....................................................................................................... 22
3.2.4 Ferramentas Computacionais para Simulação ............................................. 24
3.2.4.1 Programa Computacional Arena .................................................................. 24
3.2.4.2 Programa Computacional Vensim ................................................................ 25
3.2.4.3 Programa Computacional ProModel ............................................................. 26
4 METODOLOGIA ........................................................................................... 27
5 RESULTADOS E DISCUSSÃO ................................................................... 32
5.1 Estudo do fluxo do processo de triagem neonatal e seleção das principais
variáveis ....................................................................................................... 32
5.2 Modelagem do fluxo do processo de triagem neonatal utilizando a dinâmica
de sistema .................................................................................................... 34
5.2.1 Primeira Parte do Modelo - Triagem Neonatal ............................................. 37
5.2.2 Segunda Parte do Modelo – Laboratório de Triagem Neonatal ................... 39
5.2.3 Terceira Parte do Modelo – Comunicação com o Centro de Referência ..... 42
5.2.4 Quarta Parte do Modelo – Monitoramento do Tratamento ........................... 44
5.3 Modelagem do processo de triagem neonatal utilizando simulação de
eventos discretos .......................................................................................... 46
5.4 Validação dos modelos de simulação utilizando os dados do Programa de
Triagem Neonatal do Estado de Minas Gerais (PTN-MG) ........................... 56
5.4.1 Validação dos Modelos de Simulação .......................................................... 56
5.4.2 Validação do Modelo de Simulação Contínua .............................................. 56
5.4.3 Validação do modelo de simulação de eventos discretos ............................ 62
6 CONCLUSÕES ............................................................................................ 64
6.1 Recomendações para trabalhos futuros ....................................................... 65
REFERÊNCIAS ............................................................................................ 66
APÊNDICE A – Taxas utilizadas na dinâmica de sistema ....................... 70
APÊNDICE B – Comparação dos dados simulados do elemento
“Triagem” - primeira parte do modelo ........................................................ 75
APÊNDICE C – Comparação dos dados simulados do elemento
“Recebimento” - Segunda parte do modelo .............................................. 79
APÊNDICE D – Comparação dos dados simulados do elemento
“Amostra alterada” -Segunda parte do modelo ......................................... 82
APÊNDICE E – Comparação dos dados simulados elementos
“Resolução recoleta” Terceira parte do modelo ....................................... 85
APÊNDICE F – Comparação dos dados simulados do elemento
“Encaminhamento” -Terceira parte do modelo ......................................... 88
14
1 INTRODUÇÃO
1.1 Considerações preliminares
Desde a década de 60 a Organização Mundial de Saúde (OMS) recomenda a
criação dos programas populacionais de Triagem Neonatal, para a prevenção de
doenças de origem genética ou que se desenvolveram no período fetal (congênita)
(PNTN, 2004).
No Brasil, a Triagem Neonatal foi incorporada no Sistema Único de Saúde
(SUS) no ano de 1992 (Portaria GM/MS nº 22, de 15 de janeiro de 1992). Esta
legislação determinava a obrigatoriedade do teste em todos os recém-nascidos
vivos. Naquela época eram realizados os exames para o diagnóstico de
Fenilcetonúria e Hipotireoidismo.
No ano de 2001 foi publicada a portaria (Portaria GM/MS nº 822, de 6 de
junho de 2001) que criou e regulamentou o Programa de Triagem Neonatal (PTN),
com o intuito de ampliar a realização dos exames para outras doenças congênitas.
Assim, passou-se para uma abordagem mais ampla, envolvendo a detecção
precoce, na busca ativa de pacientes suspeitos de serem portadores das patologias
e encaminhamento dos pacientes diagnosticados.
O fluxo de ações do PTN passou a ser influenciado por diversas variáveis,
iniciando-se na coleta das amostras, que é realizada por um serviço de saúde
credenciado, até o diagnóstico e acompanhamento dos pacientes diagnosticados.
Durante o processo de triagem diversos fatores externos podem influenciar
esse fluxo, como, por exemplo, greve de funcionários dos correios (responsável pelo
envio das amostras), problemas de infraestrutura no município, problemas políticos
e culturais, dentre outros.
Até no ano de 2016, os programas de triagem neonatal no Brasil realizam os
exames para o diagnóstico de Fenilcetonúria, Hipotireoidismo Congênito, Doença
Falciforme, Fibrose Cística, Deficiência de Biotinidase e Hiperplasia Adrenal
Congênita.
No Estado de Minas Gerais, existe o Núcleo de Ações e pesquisa em Apoio
ao Diagnóstico (NUPAD), em Belo Horizonte, que é um órgão complementar da
Faculdade de medicina (FM) da Universidade Federal de Minas gerais - UFMG.
15
O NUPAD foi criado em 1993 com o objetivo de implantar o Programa de
Triagem Neonatal (PNTN) pela Secretaria de Estado de Saúde de Minas Gerais
(SES-MG). Posteriormente, o núcleo foi cadastrado como serviço de Referência em
Triagem Neonatal (SRTN) do Estado pelo Ministério da Saúde (NUPAD, 2015).
O Programa de Triagem Neonatal de Minas Gerais (PTN-MG) atende
gratuitamente a todos os 853 munícios do Estado de Minas Gerais. O Programa
consiste na realização do exame de triagem neonatal (conhecido popularmente
como o teste do pezinho), para o diagnóstico em tempo oportuno, tratamento e
acompanhamento das crianças diagnosticadas (NUPAD, 2015).
No processo de triagem neonatal, devido a limitações da capacidade
humana, é praticamente impossível interpretar, analisar e obter resultados a partir
de grandes quantidades de dados sem auxílio de processos computadorizados.
Além disso, torna-se difícil a diferenciação de informações úteis nas bases de dados
do sistema (FAYYAD et al., 1996).
1.2 O problema
A tomada de decisão é uma atividade importante e complexa para os
gestores do Programa de Triagem Neonatal (PTN). A capacidade de compreender e
entender o sistema como um todo é fundamental nas decisões em uma instituição.
Os gestores dos programas terão maior capacidade de tomar decisões quando
buscam integrar e entender todos os fatores que exercem influência sobre o
processo. Esse processo inicia no nascimento da criança e continua no seu
acompanhamento e tratamento.
Quando os gestores não possuem uma visão do sistema, como um todo, eles
tomam decisão reativas, considerando apenas o problema presente, sem relacioná-
los com o ambiente, com suas variáveis e com os demais fatores correlacionados
(COELHO, 2013).
O uso de ferramentas que possam auxiliar os gerentes ou coordenadores em
suas tomadas de decisão é indispensável, possibilitando identificar possíveis riscos
antes deles se materializarem (HERMSDORF, 2011).
Quanto maior a complexidade do sistema menor será a sua previsibilidade,
devido ao número de variáveis e ao número de inter-relações existentes (DUARTE,
2003). Na Figura 1 encontra-se uma comparação dos diversos tipos de sistema com
a sua previsibilidade, sem o uso da simulação e com o uso da simulação.
16
O advento das novas tecnologias na área de equipamento de informática
(hardware) e a diminuição dos custos de armazenamento de dados, aliado ao
crescimento econômico de vários setores, permitiu que as organizações reunissem,
sistematicamente, uma enorme quantidade de dados e informações em suas bases
de dados (FAYYAD et al., 1996).
Figura 1 - Previsibilidade do sistema em função de sua complexidade com
simulação e sem simulação
Fonte: DUARTE, 2003.
Sendo assim, existe uma grande quantidade de dados disponíveis dentro das
organizações que, por sua vez, nem sempre são utilizadas para identificar áreas ou
processos em que a empresa pode ganhar vantagem competitiva.
Especialistas estimam que somente uma pequena fração dos dados
processados em uma empresa está disponível para os usuários tomarem decisões,
o que leva à conclusão de que as organizações são ricas em volume de dados, mas
são pobres em dados úteis (OLIVEIRA, 1998).
Considerando-se a capacidade humana, é praticamente impossível
interpretar, analisar e obter resultados a partir de grandes quantidades de dados
sem auxílio de processos computadorizados, além de ser difícil a diferenciação de
informações úteis nessas bases de dados (FAYYAD et al., 1996).
17
Com base no exposto, foi formulada a hipótese deste trabalho, descrita a
seguir.
1.3 Hipótese
A utilização de uma ferramenta que descreve o processo do programa de
triagem neonatal (PTN), com base em modelos de simulação de sistemas dinâmicos
e de eventos discretos, possibilita aos gerentes do programa tomar decisões mais
eficientes.
18
2 OBJETIVOS
O objetivo geral neste trabalho é construir um modelo de simulação de
dinâmica de sistemas e um modelo de simulação por eventos discretos que permita
avaliar as principais etapas de um programa de triagem neonatal.
Especificamente foram estabelecidas as seguintes metas:
1. Selecionar as principais variáveis envolvidas no processo do Programa de
Triagem Neonatal (PTN) para desenvolvimento do modelo de dinâmica de
sistema e de simulação por eventos discretos.
2. Desenvolver a modelagem e simulação do Processo de Triagem Neonatal
(PTN), por meio de técnicas de dinâmica de sistema.
3. Desenvolver a modelagem e simulação do Processo de Triagem Neonatal
(PTN), usando simulação de eventos discretos.
4. Realizar a validação dos modelos propostos de dinâmica de sistema e de
simulação por eventos discretos.
19
3 REVISÃO DE LITERATURA
Esta seção apresenta os fundamentos teóricos da pesquisa, principalmente a
respeito da abordagem do conceito de triagem, modelagem e simulação de
sistemas dinâmicos, suas principais características e a diferenciação entre
modelagem de eventos discretos e modelagem contínua.
3.1 Conceito de triagem
O termo triagem se originou no vocabulário francês da palavra triage, que
significa seleção ou separação de um grupo, ou ainda a escolha entre inúmeros
elementos.
Em saúde pública, triagem é a ação primária dos Programas de Triagem, ou
seja, a detecção por meio de testes aplicados a uma população de um grupo de
indivíduos com probabilidade elevada de apresentarem determinadas patologias
(PNTN, 2004).
A definição Triagem Neonatal, significa a aplicação desta metodologia de
rastreamento especificamente na população com idade de 0 a 30 dias de vida
(PNTN, 2004).
Os Programas de Triagem Neonatal têm várias responsabilidades. Portanto,
o Serviço de Referência em Triagem Neonatal (SRTM) em cada Estado brasileiro
possui as seguintes responsabilidades (PNTN, 2004):
Organizar a rede estadual de coleta, vinculada a um laboratório específico de
Triagem Neonatal, junto com as Secretarias Estaduais e Municipais de
Saúde.
Utilizar um laboratório especializado em Triagem Neonatal.
Implantar o ambulatório multidisciplinar para atendimento e acompanhamento
dos pacientes triados.
Estabelecer vínculo com a rede de assistência hospitalar complementar.
Utilizar um sistema informatizado que gerencie todo o Programa e gere os
relatórios que irão alimentar o banco de dados do Programa de Triagem
Neonatal Nacional (PTN).
20
3.2 Modelagem e simulação
A simulação é a imitação da operação de um processo ou sistema do mundo
real ao longo do tempo (LAW; KELTON, 2000; BANKS, 1998; PRADO, 2008). Neste
contexto a simulação envolve a geração de um histórico artificial do sistema e sua
observação para direcionar inferência envolvendo as características do sistema real
que estão sendo representados.
Para reproduzir um modelo cientificamente, é necessária a criação de
hipóteses sobre seu funcionamento, formando as relações matemáticas ou lógicas,
assim constituindo o modelo do sistema. Desta forma, as relações que compõem o
sistema são simples, sendo possível utilizar métodos matemáticos como álgebra,
cálculo ou teoria da probabilidade, para obter os resultados exatos. No entanto, a
grande maioria dos sistemas do mundo real é complexa, ao ponto de não permitir
avaliação analítica, sendo necessário que estes modelos sejam estudados por meio
de simulação (LAW, 2007).
Apesar de as ferramentas de simulação serem excelentes para realização de
análises, elas também apresentam vantagens e desvantagens, conforme descritas
no Quadro 1 (FREITAS FILHO, 2008).
Quadro 1 - Vantagens e desvantagens das ferramentas de simulação (Continua)
Vantagens
Depois de o modelo de simulação ter sido desenvolvido, ele pode ser utilizado várias vezes para avaliar projetos propostos.
Hipóteses sobre como ou por que determinados problemas ocorrem podem ser facilmente testadas para verificação.
Uma vez que os modelos de simulação podem ser quase tão detalhados quanto os sistemas reais, novas políticas e procedimentos operacionais, regras de decisão, fluxos de informação, dentre outras, podem ser avaliadas, sem que o sistema real seja perturbado, podendo explorar questões do tipo: o que aconteceria se?
Controle do tempo, permitindo reproduzir os problemas de forma mais rápida ou mais lenta para melhor avaliação.
Facilidade na aplicação do método em comparação a métodos analíticos.
Nível de detalhes muito semelhante ao sistema real.
Identificação de gargalos, facilidade na proposição de melhorias, dentre outras.
21
Quadro 1 - Vantagens e desvantagens das ferramentas de simulação (Conclusão)
Desvantagens
Os resultados podem ser de difícil interpretação (processos aleatórios incluídos no modelo).
A modelagem e a experimentação associadas a modelos de simulação consomem muitos recursos, principalmente tempo.
Exigência de treinamento para construção de modelos, o que pode levar certo tempo.
Fonte: FREITAS FILHO, 2008.
3.2.1 Dinâmica de sistemas
A dinâmica de sistema (DS) é caracterizada como uma metodologia capaz de
aprimorar a compreensão de um sistema complexo, enquanto representa para o
usuário os diagramas causais, malhas de realimentação (loops de feedback) e de
fluxo (STERMAN, 2000).
A dinâmica de sistema (DS) podem também ser entendida como uma
abordagem de pensamento, que toma uma perspectiva integrativa do sistema, e
cuja característica principal é o reconhecimento de processos inerentes de
realimentação (feedback) na estrutura dos sistemas para os quais a modelagem
está sendo desenvolvida (HELAL, 2008).
3.2.2 Simulação por eventos discretos
A simulação por eventos discretos (SED) é amplamente aplicada e tem como
objetivo estimar o desempenho do sistema, permitindo a realização de análises de
sensibilidade, análise de impacto, análise de paradas de equipamentos, dentre
outras situações.
O avanço na tecnologia de simulação discreta tem tornado possível o uso de
modelos computacionais aplicados à tomada de decisão de rotina, especialmente
em projetos de sistemas futuros, baseados em dados atuais (HARRELL et.al.,
2002).
A simulação de eventos discretos (SED) é caracterizada por eventos nos
quais as mudanças acontecem de maneira descontínua, ou seja, sofrem mudanças
bruscas, conforme ilustrado na Figura 2 (STRACK, 1984).
22
Figura 2 - Simulação discreta
Fonte: DUARTE, 2003. Nota: Dados trabalhados pelo autor.
3.2.3 Comparação entre a dinâmica de sistema (DS) a e simulação de eventos
discretos
A simulação por eventos discretos (SED) é mais apropriada para realizar
simulações de problemas de baixo nível de abstração e mais detalhados. A
dinâmica de sistema (DS) é mais adequada para a modelagem de processos
contínuos, relacionados a processos extensivos com realimentação (feedback).
A Figura 3 contém uma comparação destes dois tipos de simulação
(BORSHCHEV; FILIPPOV, 2004).
23
Figura 3 - Aplicações de modelagem e simulação por nível de abstração
Fonte: BORSHCHEV; FILIPPOV, 2004. Nota: Dados trabalhados pelo autor.
Ambas as metodologias, dinâmica de sistema (DS) e simulação por eventos
discretos (SED), apresentam distinções conceituais que devem ser consideradas ao
desenvolver um modelo. Estas distinções são apresentadas e descritas no Quadro
2.
SD
SE
D
Agregação, dependências globais causais, dinâmica de retroalimentação
(feedback), ...
Objetos individuais, formatos extratos, distância, velocidade, tempos, ...
24
Quadro 2 - Diferenças conceituais entre as metodologias de dinâmica de sistema (DS) e de simulação por eventos discretos (SED)
Diferenças SED DS
Perspectiva. Analítica, ênfase na complexidade do detalhe.
Holística, ênfase na complexidade da dinâmica.
Configuração básica do sistema.
Rede de filas e atividades. Série de estoques e fluxos.
Resolução. Entidades individuais, atributos, decisões e eventos.
Entidades homogeneizadas, pressão por política homogênea.
Mudança de Estado
Em pontos discretos do tempo. Contínua.
Requerimento de dados.
Precisão numérica, muito dependente.
Descritos de maneira geral, sem necessidade de precisão absoluta.
Compreensão das saídas (outputs).
Predições precisas e detalhadas das medidas de desempenho; compreensão de regras de decisão e interpretação de cenários.
Entendimento dos modos de comportamento das estruturas do modelo; visão dinâmica das causas e efeitos das políticas de decisão.
Fonte: BRITO, 2014.
3.2.4 Ferramentas Computacionais para Simulação
3.2.4.1 Programa Computacional Arena
O programa computacional Arena é voltado para representação de processos
em um ambiente gráfico integrado à simulação, contendo inúmeros recursos para
modelagem, animação, análise estatística e análise dos resultados.
Os elementos estáticos do programa Arena formam um ambiente bem
definido, com regras e propriedades que interagem com os elementos dinâmicos
que fluem dentro do ambiente (TECNOLOGIA, 2002). Como, por exemplo, em uma
linha de produção constituída por máquinas (elementos estáticos) que, quando em
operação, passam peças ou matéria-prima (elementos dinâmicos) que vão sendo
processadas até a saída do produto final.
O programa Arena possui as seguintes ferramentas (KEYTON; SADOWSKI,
1998):
25
Analisador de dados de entrada (Input Analyzer).
Analisador de resultados (Output Analyzer).
Analisador de processos (Process Analyzer).
Otimizador (Optquest).
O programa Arena é composto por um conjunto de blocos, utilizado para
demonstrar ou descrever uma aplicação real, o qual funcionam com comandos de
uma linguagem de programação própria.
Os elementos básicos do programa são as entidades que representam as
pessoas, objetos, transações, dentre outras, que se movem ao longo do sistema; as
estações de trabalho que demonstram onde será realizado algum serviço ou
transformação e, por fim, o fluxo que representa os caminhos que as entidades irão
percorrer ao longo das estações (FERNANDES et al., 2006).
3.2.4.2 Programa Computacional Vensim
O Vensim é um programa computacional de simulação com seu próprio
ambiente, no qual pode ser construído ou estudado modelos de diagramas causais,
diagramas de fluxos e simulação de modelos.
O Vensim é uma ferramenta visual de modelagem que permite conceituar,
documentar, simular, analisar e aperfeiçoar modelos de simulação, a partir de
diagramas causais ou diagramas de fluxo. Portanto, não é necessário trabalhar com
equações matemáticas (VENTANA SYSTEMS, 1995).
A conexão estre as variáveis do sistema são realizadas por meio de setas
que são reconhecidas como conexão causa-efeito. Essa informação é utilizada pelo
editor de equação do Vensim para formular uma simulação completa do modelo.
O modelo pode ser analisado realizadas por meio do seu processo de
construção, observando as causas (variáveis que modificam a variável de interesse)
e os usos (variáveis que são modificadas pela variável de interesse) de uma
variável, e também os retornos (loops) envolvendo esta variável (VENTANA
SYSTEMS, 1995).
26
3.2.4.3 Programa Computacional ProModel
Segundo Benson (1997), o programa ProModel é uma poderosa ferramenta
de simulação, que pode ser utilizada para modelagem de todos os tipos de sistemas
de produção, abrangendo desde pequenas lojas de trabalho e células de usinagem
até grandes sistemas de produção em massa, sistemas de fábrica flexível e
sistemas de cadeia de suprimento. O ProModel é um sistema baseado no Windows
com interface gráfica intuitiva. A modelagem é desenvolvida utilizando objetos que
eliminam a necessidade de programação.
Os elementos de modelagem do ProModel fornecem objetos (blocos) de
construção para representar os componentes físicos e lógicos de um sistema que
está sendo modelado. Os elementos físicos do sistema tais como peças, máquinas,
ou recursos, podem ser representados graficamente ou por nome.
27
4 METODOLOGIA
O desenvolvimento deste trabalho foi dividido em quatro etapas, descritas a
seguir e esquematizadas no fluxograma da Figura 4.
1 Estudo do fluxo do programa de triagem neonatal e seleção das variáveis
do processo.
2 Modelagem do fluxo do programa de triagem neonatal por meio de
dinâmica de sistemas.
3 Modelagem do problema utilizando técnicas de simulação discreta.
4 Validação dos modelos de simulação utilizando dados obtidos dos
registros do Programa de Triagem Neonatal do Estado de Minas Gerais
(PTN-MG).
Figura 4 - Etapas de desenvolvimento do projeto
Fonte: Elaborador pelo autor, 2016.
Etapa 1
Estudo do fluxo do processo de triagem
neonatal e seleção das variáveis.
Etapa 2
Modelagem do fluxo do processo de triagem por
meio de dinâmica de sistemas.
Etapa 3
Modelagem do processo de triagem utilizando
simulação de eventos discretos.
Etapa 4
Validação dos modelos de simulação utilizando
os dados do PTN-MG.
28
Dentre as quatro etapas do trabalho, a consolidação das três primeiras exige
um processo de testes de validação, que constitui a quarta etapa. Esta etapa
(validação dos modelos desenvolvidos) foi realizada com base nos dados coletados
no fluxo de informação do Núcleo de Ações e Pesquisa em Apoio ao Diagnóstico
(NUPAD), órgão complementar da Faculdade de Medicina da Universidade Federal
de Minas Gerais - UFMG.
4.1 Estudo do fluxo do programa de triagem neonatal e seleção das
principais variáveis
Como o ponto de partida, foi desenvolvido o modelo conceitual, que forneceu
informações ao modelo computacional. A representação do modelo conceitual, em
forma de fluxograma, é mostrada na Figura 5.
Para validar o modelo conceitual foi utilizada a técnica de validação face a
face, que consiste em testes realizados por um usuário com conhecimento do
sistema do mundo real (SARGENT, 1998).
O fluxo de entrada de informação inicia-se na coleta da amostra realizada por
um serviço de saúde credenciado no Programa de Triagem Neonatal (PTN), sendo
que o transporte dessas amostras é realizado pelo correio.
Ao receber as amostras, os dados são cadastrados no sistema de informação
do Programa e elas são encaminhadas ao laboratório de triagem neonatal para
processamento, análise e liberação dos resultados dos exames.
Caso haja alguma alteração no resultado, uma comunicação é encaminhada
ao setor de controle de tratamento, para que seja iniciada a busca ativa. Os
resultados sem alteração são encaminhados diretamente para o serviço de saúde
que realizou a coleta.
A busca ativa consiste em um processo em que o colaborador do setor de
controle de tratamento entra em contato, por meio de telefone ou de mensagem
eletrônica (e-mail), com o serviço de saúde que realizou a coleta, para informar o
resultado ou enviar novas solicitações.
Essa comunicação pode ser gerada pelos seguintes motivos: amostra
inadequada, amostra alterada ou encaminhamento médico. O encaminhamento
médico gera um novo processo de agendamento de consulta nos ambulatórios
29
especializados, conforme a patologia, e também o controle dos agendamentos
dessas consultas.
Os dados são coletados e armazenados em um banco de dados centralizado,
em todas as etapas do processo descrito no fluxo representado na Figura 5.
Figura 5 - Fluxo de Triagem Neonatal
Fonte: NUPAD, 2015.
4.2 Modelagem do fluxo do processo de triagem neonatal utilizando a
dinâmica de sistema
Para estudar a situação atual do processo do Programa de Triagem Neonatal
(PTN), foram utilizados os conceitos que envolve a técnica de dinâmica de sistema
que possibilitam entender como o processo físico, os fluxos de informação e de
gestão política interagem para criar a dinâmica das variáveis de interesse.
A dinâmica de sistema é um método que busca estudar as estruturas de um
sistema organizacional ou social, por meio da representação das relações causais
30
entre seus elementos e da evolução do sistema com o tempo (FORRESTER, 1961;
ROBERTS et al., 1983; PIDD, 1998; STERMAN, 2000).
Por meio das ferramentas e ambiente de simulação, é possível testar as
diferentes políticas e soluções para a operação do sistema, possibilitando, assim, a
avaliação do impacto de decisões e proporcionando um conjunto de ferramentas
para compreensão da comunicação sobre o modelo da realidade (PIDD, 1998).
A ideia fundamental da dinâmica de sistema é que o comportamento
dinâmico do sistema obedece a um princípio chamado de Princípio da Acumulação.
Esse princípio afirma que a resposta desses sistemas decorre das transações dos
valores dos recursos acumulados em estoques e mostra que essas transações são
controladas por fluxos de entradas e saídas de recursos (STERMAN, 2000).
A situação atual do processo de triagem do Programa de Triagem Neonatal
(PTN) foi analisada por meio de técnicas de simulação de sistemas dinâmicos
utilizando o programa computacional Vensim PLE 6.3.
4.3 Modelagem do processo de triagem neonatal utilizando simulação por
eventos discretos
Para realizar um estudo mais detalhado do processo do Programa de
Triagem Neonatal - PTN foram utilizadas técnicas de modelagem de simulação de
eventos discretos.
As simulações de eventos discretos são mais apropriadas para baixos níveis
de abstração e com mais detalhamento (SWEETSER, 1999).
Os sistemas de Simulação de Eventos Discretos (SED) podem ser definidos
como uma coleção de entidades que agem e interagem juntas, por meio de
processos no sistema, buscando um fim lógico (LAW; KELTON, 2000).
Simulação de Eventos Discretos (SED) tem sido muito eficiente para
simulação de sistemas complexos, especialmente logísticos, uma vez que é capaz
de representar, com fidelidade, o comportamento de, praticamente, qualquer
sistema, provendo ao gestor valiosas informações de como o sistema pode ser
modificado ou qual poderia ser seu desempenho (SWEETSER, 1999).
O modelo de simulação de eventos discretos, proposto nesse trabalho,
abrange as principais variáveis envolvidas no fluxo operacional do Programa de
Triagem Neonatal (PTN) e os principais relacionamentos entre elas.
31
Foi utilizado o programa computacional ProModel para realizar a simulação
de eventos discretos da situação atual do PTN. O módulo de analisador de dados
de entrada (Input Analyzer) do programa computacional Arena foi utilizado para
determinar as distribuições estatísticas apropriadas para cada evento.
4.4 Validação dos modelos de simulação utilizando os dados do Programa
de Triagem Neonatal do Estado de Minas Gerais (PTN-MG)
Foram utilizados os dados do Programa de Triagem Neonatal – PTN de
Minas Gerais dos anos de 2005 a 2014, para validar o modelo de simulação
contínua. Os dados do ano de 2015 foram utilizados para validar o modelo de
simulação de eventos discretos. Os resultados das simulações foram comparados
com os dados reais.
Um método que pode ser utilizado para validar um modelo de simulação é
fornecer os valores de entrada e analisar se esses valores processados
correspondem às respostas no mundo real (BRATLEY, 2011). Este mesmo autor
recomenda que somente os dados de entrada devam ser alterados e os demais
devem permanecer constantes.
Para comparação dos resultados simulados pela dinâmica de sistema com os
dados reais, foi utilizada a técnica da análise de correspondência entre os dados
estimados e os dados reais, ajustando-se uma linha reta dos dados simulados em
função dos dados reais, com interseção nula.
Desta forma, o coeficiente angular da linha reta fornece a proporção dos
dados estimados em relação aos dados reais, indicando a correlação entre as duas
variáveis que estão sendo comparadas.
Foram calculados os erros relativos dos principais elementos da dinâmica de
sistema, para realizar uma comparação de uma estimativa com o valor exato.
A simulação de evento discreto foi validada usando o tempo médio de
permanência das entidades no sistema, comparando os dados simulados com os
dados reais por meio do erro relativo.
32
5 RESULTADOS E DISCUSSÃO
Os resultados obtidos neste trabalho são apresentados e discutidos nesta
seção e para facilitar o entendimento e a interpretação dos resultados, as análises
seguiram as etapas definidas nos objetivos e descritas na metodologia.
5.1 Estudo do fluxo do processo de triagem neonatal e seleção das principais
variáveis
Verificou-se, durante o estudo, que o Processo de Triagem Neonatal do
Programa de Triagem Neonatal (PTN) constitui-se de dois fluxos: (i) fluxo
operacional e (ii) fluxo gerencial.
As variáveis necessárias para a análise do fluxo do processo de triagem
neonatal foram selecionadas com base nos procedimentos adotados pelo Programa
de Triagem Neonatal de Minas Gerais (PTN-MG). Esse fluxo é padronizado e pode
ser adotado nos demais estados.
Considerando que o PTN envolve todos os municípios do estado e a
complexidade do sistema, o número de variáveis é elevado e o volume de dados
que deve ser processado e analisado é muito grande.
Desta forma, as variáveis e as interações entre elas foram cuidadosamente
analisadas e codificadas no programa de simulação. Estas variáveis, num total de
26, que exercem maior influência no processo de triagem neonatal são
apresentadas e descritas no Quadro 3.
Um modelo conceitual foi desenvolvido (FIGURA 5) forneceu as informações
necessárias para o desenvolvimento do modelo computacional e para seleção das
variáveis.
Os dados foram coletados do banco de dados centralizado do PTN-MG, em
todas as etapas do processo, seguindo o fluxograma representado na Figura 5,
conforme a metodologia proposta no item 4.1.
33
Quadro 3 - Principais variáveis do Processo de Triagem Neonatal (PTN)
Variáveis Descrição da variável
1 Data de nascimento Data de nascimento do paciente.
2 Data de coleta Data de coleta no posto de coleta próximo à residência do paciente.
3 Data de postagem Data de postagem da amostra (caso o PTN utilize o correio).
4 Local da coleta Local onde é realizada a coleta (maternidade, unidade de saúde credenciada).
5 Data de recebimento Data em que o centro de referência recebe a amostra coletada.
6 Quantidade de recém-nascidos Quantidade de nascidos vivos.
7 Quantidade de triados Quantidade de pacientes que realizaram o teste do pezinho.
8 Cobertura do programa A cobertura do Programa é obtida pela razão entre o número de nascidos vivos e o número de recém-nascidos triados.
9 Quantidade de amostras inadequadas
Quantidade de amostras que não podem ser processadas.
10 Data de análise da amostra Data em que o laboratório realizou a análise da amostra.
11 Data de liberação do resultado Data da emissão do resultado.
12 Data de emissão da comunicação Data da emissão da comunicação pelo laboratório.
13 Data do primeiro contato realizado Data em que o setor de acompanhamento realiza o primeiro contato.
14 Número de reconvocações Número de pacientes que necessitam de um novo teste para confirmar o resultado.
15 Número de encaminhamentos médicos
Número de encaminhamentos médicos realizados.
16 Número de pacientes acompanhados pelo programa
Número de pacientes que estão em acompanhamento.
17 Número de óbitos Número de pacientes que foram a óbito.
18 Incidência do programa A incidência do Programa é calculada pela razão do número de pacientes diagnosticados e o número de pacientes triados.
19 Idade na primeira consulta Idade do paciente na primeira consulta.
20 Número de dias de análise Número de dias necessários para processar a amostra.
21 Número de dias de digitação Número de dias necessários para digitação.
22 Data de digitação da amostra Data em que a ficha de amostra foi cadastrada
23 Taxa de óbito Taxa de mortalidade da região estudada
24 Taxa de crescimento da população
Taxa de crescimento da população estudada
25 Número de dias entra a data de digitação e conferencia
Número de dias entra a data de digitação e a conferência dos dados cadastrados
26 Número de pacientes que saíram do programa
Número de paciente que saíram do programa por motivo de transferência
Fonte: Elaborado pelo autor, 2016.
34
5.2 Modelagem do fluxo do processo de triagem neonatal utilizando a
dinâmica de sistema
O modelo de dinâmica de sistema proposto nesse trabalho abrange as
principais variáveis (Quadro 4) envolvidas nas atividades do Programa de Triagem
Neonatal (PTN) e os principais relacionamentos entre elas, conforme mostrado na
Figura 7.
O modelo representa o processo de triagem neonatal, modelado de acordo
com o fluxo apresentado na Figura 5, conforme a metodologia proposta no item 4.1.
O diagrama causal apresentado na Figura 6, demostra as relações causa-efeito
entre os componentes do fluxo do Programa de Triagem Neonatal (PTN).
Figura 6 - Diagrama casual do Programa de Triagem Neonatal (PTN)
Fonte: Elaborador pelo autor, 2016.
A utilização destas técnicas possibilitou entender como o processo físico, os
fluxos de informação e de gestão política se interagem para criar a dinâmica das
variáveis de interesse.
A utilização da dinâmica de sistema foi essencial para estudar e analisar as
estruturas do sistema organizacional e social do Programa de Triagem Neonatal
(PTN), por meio da representação de suas relações causais entre seus elementos e
da evolução do sistema com o tempo.
35
As ferramentas e o ambiente de simulação do programa computacional
Vensim PLE 6.3 possibilitaram testar as diferentes políticas e soluções para a
operação do sistema, possibilitando a avaliação do impacto de decisões e
proporcionando um conjunto de ferramentas para compreensão e comparação dos
resultados simulados com os dados obtidos com o modelo do processo real.
Os valores de taxas de variação das variáveis utilizadas na simulação na
simulação encontram-se no apêndice A.
Para facilitar o entendimento, cada parte do modelo de simulação foi
apresentado separadamente em quatro etapas, conforme Figura 8, com explicações
de como as variáveis foram definidas e quantificadas.
36
Figura 7 - Diagrama de fluxo para o modelo de simulação do processo de triagem neonatal por meio da dinâmica de sistema contínuo
Fonte: Elaborado pelo autor, 2016.
37
Figura 8 - As quatro etapas do modelo de simulação
Fonte: Elaborado pelo autor, 2016.
5.2.1 Primeira Parte do Modelo - Triagem Neonatal
A primeira parte do modelo, apresentada no diagrama de fluxo da Figura 9,
constitui-se na identificação do fluxo de crescimento da população e na triagem das
amostras no Laboratório de Triagem Neonatal (LTN).
Essa parte possui os três elementos principais da dinâmica de sistemas, aqui
definidos em conformidade com o programa Vensim PLE 6.3:
Estoques: População e total de triados - Consiste em recursos acumulativos
do sistema.
Os fluxos: Nascimento e Óbito - São as funções que representam as
decisões ou políticas das empresas em relação à acumulação dos estoques
ou recursos.
As variáveis simples: Taxa de crescimento da população, Taxa de óbito,
Cobertura do programa, Triados e Tempo - São os elementos do modelo que
influenciam nos valores dos fluxos responsáveis pela variação dos estoques.
38
Figura 9 - Fluxo de crescimento da população e a triagem das amostras no Laboratório de Triagem Neonatal (LTN) - Serviço de referência
Fonte: Elaborado pelo autor, 2016.
Observa-se, na Figura 9, que a taxa de crescimento da população, a taxa de
óbito e a cobertura do Programa de Triagem Neonatal (PTN) dependem do tempo,
para que sejam obtidos os seus percentuais que são aplicados no fluxo do
processo, para determinar a população e o número de triados no período,
representado pelo número de recém-nascidos que realizaram a coleta nos centros
de referência credenciados pelo PTN.
A cobertura do programa foi calculada pela expectativa dos gestores do PTN
em relação ao número de nascidos vivos da população estudada, que irão realizar o
teste de triagem neonatal.
A programação de todo o processo no programa computacional Vensim PLE
6.3 envolve uma extensa lista de codificação. Por esta razão, as relações
matemáticas e condicionais entre as variáveis foram sintetizadas em forma de
quadros.
As fórmulas utilizadas para realizar a simulação na primeira parte do modelo
usando o programa computacional Vensim PLE 6.3 encontram-se no Quadro 4.
39
Quadro 4 - Fórmulas utilizadas na primeira parte do modelo – triagem neonatal
Variáveis Fórmulas Codificadas no Vensim PLE 6.3 Unidade
Nascimento INTEGER(Populacao*Taxa de crescimento da população)
1/mês
População ∑ (Nascimento-Obito) mês
Óbito INTEGER(Populacao*Taxa de obito ) 1/mês
Taxa de óbito Definida pelo usuário, levando em consideração a população estudada.
1/mês
Taxa de crescimento da população
Definida pelo usuário, levando em consideração a população estudada.
1/mês
Cobertura do programa
Definida pelo usuário, essa variável é calculada pela expectativa do gestor do PTN em relação ao número de exames realizados, considerando a população estudada.
1/mês
Número de crianças triadas
INTEGER(Cobertura do programa*Nascimento) 1/mês
Total de crianças triadas
∑ (Triados) mês
Fonte: Elaborado pelo autor, 2016.
5.2.2 Segunda Parte do Modelo – Laboratório de Triagem Neonatal
A segunda parte do modelo, apresentada no fluxograma da Figura 10,
identifica o fluxo de amostras recebidas e analisadas pelo laboratório de referência
do Programa de Triagem Neonatal (PTN).
Essa parte do modelo possui os seguintes elementos da dinâmica de
sistemas, aqui definidos em conformidade com o programa Vensim PLE 6.3:
Estoques: Processamento, Total de protocolos de especial, Total de
amostras inadequadas, Total de exames alterados.
Os fluxos: Recebimento e liberação.
As variáveis simples: Taxa de amostra coletada de protocolo de especial,
Taxa de amostra inadequada, Recoleta de protocolo de especial, Recoleta
de amostra inadequada, Taxa de resolução, Triados, Coleta de controle
médico, Taxa de encaminhamento, Confirmação de exame, Exame alterado,
40
Taxa de exame alterado, Exame dentro do valor de referência, taxa de
liberação.
Figura 10 - Laboratório de triagem neonatal
Fonte: Elaborado pelo autor, 2016.
Observam-se, na Figura 10, as seguintes entradas:
Número de crianças triadas.
Solicitações de novas coletas (seguindo os protocolos de especiais).
Solicitações de novas amostras para confirmação de resultados alterados.
Solicitação de novas amostras devido à baixa qualidade da amostra.
Solicitações de amostras de controles médicos.
Essas entradas representam o fluxo de recebimento das amostras no
laboratório de triagem. Depois da análise, parte dos exames realizados terão
resultados fora dos valores de referência e, nesse caso, os recém-nascidos são
encaminhados para o atendimento médico ou irão realizar uma nova coleta de
sangue para confirmar o resultado, reiniciando, assim, o fluxo.
41
Os recém-nascidos que tiverem todos os exames com resultado dentro do
valor de referência sairão do sistema.
O Quadro 5 contém as fórmulas utilizadas na simulação da segunda parte do
modelo.
Quadro 5 - Fórmulas utilizadas na segunda parte do modelo
(Continua)
Variáveis Fórmulas Codificadas no Vensim PLE 6.3 Unidade
Total de protocolo da especiais.
∑ (Recoleta protocolo especiais) mês
Taxa de amostra coletada do protocolo da especiais.
Definida pelo usuário. Essa variável é definida pelo percentual médio de coletas realizadas que seguem um protocolo para recém-nascido prematuro ou com baixo peso.
1/mês
Taxa de amostra inadequada.
Definida pelo usuário. Essa variável é definida pelo percentual de amostras inadequadas recebidas no laboratório de referência.
1/mês
Recoleta do protocolo da especiais.
INTEGER(Taxa de amostra coletada protocolo especiais *Triados)
1/mês
Recoleta de amostra inadequada.
INTEGER(Taxa de amostras inadequadas*Analise)
1/mês
Total de amostras inadequadas.
∑ (Recoleta amostras inadequadas) 1/mês
Taxa de resolução.
Definido pelo usuário. Essa variável é definida pelo percentual de expectativa do gestor do PTN em relação ao número de solicitações que serão realizadas e efetivadas.
1/mês
Triados. INTEGER(Cobertura do programa*Nascimento)
1/mês
Recebimento.
INTEGER(Triados+Coleta controle medico+((Confirmacao exame+Recoleta amostra inadequada+Recoleta protocolo maternidade)*Taxa de resolucao))
1/mês
42
Quadro 5 - Fórmulas utilizadas na segunda parte do modelo (Conclusão)
Variáveis Fórmulas Codificadas no Vensim PLE 6.3 Unidade
Processamento. ∑ (Recebimento-Liberacao) mês
Exame dentro do valor de referência.
INTEGER( (Processamento-Coleta controle medico)*(1-Taxa exame alterado))
1/mês
Coleta para controle médico.
INTEGER(Acompanhamento medico*Taxa coleta controle medico)
1/mês
Taxa de encaminhamento.
Definida pelo usuário. Essa variável é definida pelo percentual de encaminhamento médico realizado depois da análise laboratorial.
1/mês
Confirmação do exame. INTEGER(Exame alterado*(1-Taxa encaminhamento))
1/mês
Exame alterado.
INTEGER ( ((Triados + ((Recoleta amostra inadequada + Recoleta protocolo especial)*Taxa de resolução)) - Coleta controle medico )*Taxa exame alterado )
1/mês
Taxa de exame alterado. Definida pelo usuário. Essa variável é definida pelo percentual de amostra alterada depois da a análise laboratorial.
1/mês
Total de exame alterado. ∑(Exame alterado) 1/mês
Liberação. Processamento*Taxa de liberação 1/mês
Taxa de liberação. Definida pelo usuário. Essa variável é definida pelo percentual de amostras recebidas pelas amostras liberadas pelo laboratório.
1/mês
Fonte: Elaborado pelo autor, 2016.
5.2.3 Terceira Parte do Modelo – Comunicação com o Centro de Referência
A terceira parte do modelo é apresentada na Figura 11. Observa-se, nesta
figura, o fluxo de comunicação que é realizado com os centros de coleta.
Essa parte do modelo possui os seguintes elementos da dinâmica de
sistema, definidos em conformidade com o programa Vensim PLE 6.3:
Estoques: Comunicação e Total de solicitação.
Os fluxos: Solicitações e Resolução.
43
As variáveis simples: Recoleta de amostra inadequada, recoleta no
protocolo de maternidade, coleta no controle médico, confirmação de exame,
resolução da recoleta.
Na Figura 11, podem-se observar as seguintes variáveis de entrada:
Número de solicitações de recoleta de amostras inadequadas.
Recoletas de amostras seguindo o protocolo de maternidade.
Coletas de controle médico.
Coletas de confirmação dos resultados.
Essas variáveis representam as solicitações ou comunicações que deverão
ser realizadas pelo setor de monitoramento junto ao centro de referência. A taxa de
resolução é uma expectativa do gestor do PTN, em relação ao número de
solicitações que serão realizadas e efetivadas.
O Quadro 6 contém as fórmulas utilizadas na simulação da terceira parte do
modelo.
Figura 11 - Comunicação com o centro de referência
Fonte: Elaborado pelo autor, 2016.
44
Quadro 6 - Fórmulas utilizadas na terceira parte do modelo
Variável Fórmulas Codificadas no Vensim PLE 6.3 Unidade
Recoleta de amostras inadequadas.
INTEGER(Taxa de amostra inadequada*Analise) 1/mês
Recoleta do protocolo da maternidade.
INTEGER(Taxa de amostra coletada protocolo maternidade*Triados)
1/mês
Confirmação de exame.
INTEGER(Exame alterado*(1-Taxa encaminhamento))
1/mês
Solicitação. Confirmacao exame+Recoleta amostra inadequada+Recoleta protocolo especial
1/mês
Comunicação. ∑(Solicitacao-Resolucao) mês
Resolução. INTEGER( Comunicacao-Resolucao recoleta) 1/mês
Taxa de resolução geral.
Definida pelo usuário. Essa variável é definida pelo percentual de expectativa do gestor do PTN em relação ao número de solicitações que serão realizadas e efetivadas.
1/mês
Total solicitação. ∑ (Solicitacao) 1/mês
Resolução de recoleta.
INTEGER(Solicitacao*Taxa resolução geral) 1/mês
Fonte: Elaborado pelo autor, 2016.
5.2.4 Quarta Parte do Modelo – Monitoramento do Tratamento
A quarta parte do modelo, apresentada na Figura 12, mostra o fluxo de
monitoramento dos recém-nascidos que foram encaminhados para
acompanhamento médico.
Essa parte do modelo possui os seguintes elementos da dinâmica de
sistemas, definidos em conformidade com o programa Vensim PLE 6.3:
Os estoques: Acompanhamento médico, Total de encaminhamento.
Os fluxos: Encaminhamento, Saída do programa.
45
As variáveis simples: Taxa de saída do programa, Coleta no controle
médico, Taxa de coleta no controle médico, Taxa de encaminhamento,
Exame alterado.
Figura 12 - Monitoramento do tratamento
Fonte: Elaborado pelo autor, 2016.
Na Figura 12, observa-se que o número de encaminhamentos está
relacionado ao número de exames alterados, que representam o número de recém-
nascidos que terão acompanhamento por um médico.
A taxa de saída do programa é definida pelos resultados falsos-positivos
(o exame indica a presença da doença mas clinicamente ela não existe), número de
óbitos e transferências dos pacientes para outros programas.
No Quadro 7 estão contidas as fórmulas utilizadas para a simulação da
quarta parte do modelo.
46
Quadro 7 - Fórmulas utilizadas na quarta parte do modelo
Nome Fórmulas Codificadas no Vensim PLE 6.3 Unidade
Taxa de coleta no controle médico.
Definida pelo usuário. 1/mês
Coleta para o controle médico.
INTEGER(Acopanhamento medico*Taxa coleta controle medico )
1/mês
Taxa de encaminhamento.
Definido pelo usuário. Essa variável é definida pela incidência de encaminhamentos realizados.
1/mês
Saída do programa. INTEGER(Acopanhamento medico*Taxa saida programa)
1/mês
Acompanhamento médico.
∑(Encaminhamento-Saida programa) mês
Encaminhamento. INTEGER(Exame alterado*Taxa encaminhamento)
1/mês
Taxa de saída do programa.
Definida pelo usuário. Essa variável é definida pelo número de altas, óbitos e transferência para outros programas.
1/mês
Total de encaminhamentos.
∑(Encaminhamento) mês
Exame alterado. INTEGER((Analise-Coleta controle medico)*Taxa exame alterado)
1/mês
Fonte: Elaborado pelo autor, 2016.
5.3 Modelagem do processo de triagem neonatal utilizando simulação de
eventos discretos
O fluxograma da Figura 13 representa o fluxo principal das operações do
processo de triagem. O modelo representa o processo de triagem neonatal,
modelado de acordo com o diagrama de fluxo apresentado na Figura 5, conforme a
metodologia proposta no item 4.1.
Observa-se, na Figura 13, que o número de pacientes que inicia o fluxo está
relacionado com o número de primeiras amostras e de novas amostras coletadas
nos laboratórios credenciados pelo PTN. Em seguida, as amostras são enviadas
pelo correio ou pelo próprio município por meio de portadores.
47
Figura 13 - Fluxo principal do Processo de Triagem Neonatal
Fonte: Elaborado pelo autor, 2016.
48
Quando as amostras são recebidas pelo PTN, os dados são registrados no
sistema, de acordo com os seguintes os fluxos:
A ficha dos dados cadastrais é enviada para o setor responsável pela
digitação e o material coletado é enviado para o laboratório.
O material coletado e a ficha com os dados cadastrais são enviados para o
setor de digitação realizar o cadastramento e, posteriormente, enviar o
material e a ficha para o laboratório.
Os materiais coletados são recebidos pelo laboratório e, em seguida, são
conferidos por um técnico que analisa a qualidade do material coletado. Caso estes
materiais não estejam em condições adequadas, é solicitada uma nova coleta.
As amostras são separadas e preparadas para a realização dos exames e,
nesta etapa, é realizada uma nova conferência. Caso a amostra não esteja
adequada para o processamento de um determinado exame, também é solicitada
uma nova amostra. Em seguida, o material coletado é processado manualmente ou
por meio de equipamentos.
Os resultados são analisados e, caso exista alguma alteração, o laboratório
pode optar em realizar o exame novamente, com a mesma amostra, para conferir o
resultado. Caso continue alterado, o paciente pode ser encaminhado para uma
consulta médica ou pode ser solicitada uma nova coleta de material para
confirmação do resultado.
Caso o paciente seja encaminhado para uma consulta médica, é realizado
um agendamento. Se o paciente não comparecer a esse agendamento, será
realizado um novo agendamento. O paciente deixará o sistema caso os resultados
estiverem dentro do valor de referência para todos os exames ou depois da
realização da primeira consulta médica.
Nos casos de solicitações de novas amostras, um auxiliar administrativo entra
em contato com o centro de referência para realizar a solicitação de uma nova
coleta.
O fluxo de comunicações com os centros de referência credenciados no PTN
encontra-se representado na Figura 14.
49
Figura 14 - Comunicação com o centro de referência
Fonte: Elaborado pelo autor, 2016.
As solicitações de coleta de novas amostras iniciam o fluxo de comunicação
com o centro de referência credenciado. Nesse momento, um assistente
administrativo realiza o primeiro contato. Se o contato for efetivado, é realizada a
solicitação de coleta, caso contrário é realizado um novo contato.
Cada procedimento laboratorial possui tempos de liberação e de distribuição
diferentes. Dessa forma, foi realizada uma programação dos processos laboratoriais
separadamente, para cada exame, conforme mostrado na Figura 15.
O fluxo laboratorial é iniciado depois da separação das amostras seguindo o
fluxo principal. Todos os exames possuem os mesmos elementos e, caso seja
necessário, a simulação pode ser ampliada para novos exames.
Quando as novas amostras chegam ao laboratório, é realizado o picote e, em
seguida, é feita a realização dos exames. Na sequência, ocorre a liberação dos
resultados e as amostras alteradas podem ser repetidas, caso seja de interesse do
laboratório.
50
Figura 15 - Fluxo laboratorial
Fonte: Elaborado pelo autor, 2016.
51
Os tempos de duração de todas as atividades utilizados na simulação do
processo de triagem por meio de eventos discretos encontram-se no Quadro 8.
Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos (Continua)
Atividade Duração da
Atividade (dia)
Distribuição de
probabilidade
Serviço de saúde P(5,33) Poisson
Coleta amostra 0
Forma de envio? 0
Envio por correio G(1,6; 3,36) Gamma
Envio por portador G(1,44; 3,38) Gamma
Recepção de amostra 4,902E-05
Envio de amostra 0
Amostra Adequada? 0
Comunicação de nova amostra 0
Análise de qualidade da Amostra 0,000115708
Amostra alterada? 0
Encaminhamento médico? 0
Agendamento 0
Primeira consulta 0
Saída do programa 0
Separação 1,38580247E-05
Preparação de exame E(0,00484) Exponencial
Realização de exame 0,00054506
Análise laboratorial L(0,000306; 0,000443) Logaritmo normal
Resultado dentro do valor de referência 0
Adequada para processamento? 0
Compareceu? 0
Digitação da amostra do cenário 1 Definido pelo usuário caso
necessário
52
Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos (Continua)
Atividade Duração da
Atividade (dia) Distribuição de
probabilidade
Conferência de cadastro do cenário 1 Definida pelo usuário caso necessária.
Separa a amostra? 0
Conferência de cadastro do cenário 2 L(0,0017; 0,000372) Log. normal
Digitação da amostra do cenário 2 E(0,00123) Exponencial
Análise da mesma amostra E(0,000237) Exponencial
Confirma alteração? 0
Dosagem da Phe (fenilalanina) 0
Picote do exame 1 E(0,000383) Exponencial
Realização do exame 1 0,000345304
Alterado o exame 1? 0
Separa a amostra do exame 1 1,928466E-05
Dentro do valor de referência do exame 1 0
Liberação do exame 1 L(0,000253; 0,000319) Log.normal
Picote de repetição do exame 1 E(0,000383) Exponencial
Realização de repetição do exame 1 0,000345304
Confirma alteração de repetição do exame 1? L(0,000253; 0,000319) Log. normal
Liberação de repetição do exame 1 L(0,000253; 0,000319) Log. normal
Dosagem do TSH (hormônio estimulante da tireóide)
0
Picote exame 2 E(0,00038) Exponencial
Realização do exame 2 0,000690608
Alterado o exame 2? 0
Separa a amostra do exame 2 1,928466E-05
Dentro do valor de referência do exame 2 0
Liberação do exame 2 E(0,000233) Exponencial
Picote de repetição do exame 2 E(0,00038) Exponencial
Realização de repetição do exame 2 0,000690608
Confirma alteração de repetição do exame 2? 0
53
Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos. (Continua)
Atividade Duração da
Atividade (dia)
Distribuição de
probabilidade
Liberação de repetição do exame 2 E(0,000233) Exponencial
Análise das Hemoglobinas 0
Picote do exame 3 E(0,000617) Exponencial
Realização do exame 3 0,000548246
Alterado do exame 3? 0
Separa a amostra do exame 3 1,928466E-05
Dentro do valor de referência do exame 3 0
Liberação do exame 3 L(0,00106; 0,00128) Log. normal
Picote de repetição do exame 3 E(0,000617) Exponencial
Realização de repetição do exame 3 0,000548246
Confirma alteração de repetição do exame 3? 0
Liberação de repetição do exame 3 E(0,000233) Exponencial
Dosagem quantitativa da atividade da biotinidase
0
Picote do exame 4 G(0,000295; 1,3) Gamma
Realização do exame 4 0,000460405
Alterado o exame 4? 0
Separa a amostra do exame 4 1,928466E-05
Dentro do valor de referência do exame 4 0
Liberação do exame 4 L(0,000345; 0,000466) Log. normal
Picote de repetição do exame 4 G(0,000295; 1,3) Gamma
Realização de repetição do exame 4 0,000460405
Confirma alteração de repetição do exame 4? 0
Liberação de repetição do exame 4 L(0,000345; 0,000466) Log. normal
Dosagem de 17 hidroxiprogesterona 0
Picote exame 5 E(0,000383) Exponencial
Realização do exame 5 0,000575506
Alterado o exame 5? 0
Separa a amostra do exame 5 1,928466E-05
Dentro do valor de referência do exame 5 0
Liberação do exame 5 L(0,00023; 0,000265) Log. normal
Picote de repetição do exame 5 E(0,000383) Exponencial
54
Quadro 8 - Duração das atividades utilizadas na simulação de eventos discretos. (Conclusão)
Atividade Duração da
Atividade (dia)
Distribuição de
probabilidade
Realização de repetição do exame 5 0,000575506
Confirma alteração de repetição do exame 5? 0
Liberação de repetição do exame 5 L(0,00023; 0,000265)
Dosagem da IRT (tripsina imunoreativa) 0
Picote do exame 6 E(0,000625) Exponencial
Realização do exame 6 0,000460405
Alterado o exame 6? 0
Separa a amostra do exame 6 1,928466E-05
Dentro do valor de referência do exame 6 0
Liberação do exame 6 L(0,000228; 0,000275) Log. normal
Picote de repetição do exame 6 E(0,000625) Exponencial
Realização de repetição do exame 6 0,000460405
Confirma alteração da repetição do exame 6? 0
Liberação de repetição de exame 6 L(0,000228; 0,000275) Log. normal
Comunicação 0
Primeiro contato T(0; 0,2; 2) Triangular
Contato efetivado? 0
Novo contato T(0; 0,2; 2) Triangular
Solicitação realizada 0
Contato com a unidade 0
Resolução? 0
Nova amostra 0
Fonte: Elaborado pelo autor, 2016.
As quantidades e o intervalo de tempo entre as entradas de todas as
entidades para a simulação do processo de triagem por meio de eventos discretos
encontram-se no Quadro 9.
55
Quadro 9 - Entradas das entidades para a simulação do processo de triagem por meio de eventos discretos
Entidade Início da simulação Intervalo
(dia) Quantidade
Recém-nascido Serviço de saúde 1 E(636) – Distribuição exponencial
Recém-nascido Serviço de saúde 1 27
Amostra digitação Digitação da amostra do cenário 2
0,25
Quantidade de amostras recebidas (Todas as entidades que passa pelo elemento "Recebimento")
Exame 1 Dosagem da Phe (fenilalanina)
1
Quantidade de exames que serão realizados pelo PTN (as entidades que passa pelo elemento "Separação")
Exame 2 Dosagem do TSH (hormônio estimulante da tireóide)
1
Exame 3 Análise das Hemoglobinas
1
Exame 4 Dosagem quantitativa da atividade da biotinidase
1
Exame 5 Dosagem de 17 hidroxiprogesterona
1
Exame 6 Dosagem da IRT (tripsina imunorreativa)
1
Pendência_PF Comunicação 0,5
Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Comunicação nova amostra")
Pendência_Teste suor
Comunicação 0,5
Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Confirma alteração repetição exame 6")
Recém-nascido _nova amostra
Serviço de saúde 0,5
Quantidade de solicitações de novas amostras efetivadas (passou pelo elemento "Nova amostra")
Fonte: Elaborado pelo autor, 2016.
56
5.4 Validação dos modelos de simulação utilizando os dados do Programa de
Triagem Neonatal do Estado de Minas Gerais (PTN-MG)
5.4.1 Validação dos Modelos de Simulação
A validação do modelo de simulação contínua e de simulação de eventos
discretos proposto foi realizada considerando-se os seus elementos principais,
comparando-se os resultados obtidos por meio das simulações com os dados reais,
por meio de gráficos de correspondência entre as variáveis comparadas.
5.4.2 Validação do Modelo de Simulação Contínua
O número de pacientes do Programa de Triagem Neonatal (PTN) é
influenciado pelo crescimento da população e pela cobertura do Programa.
O gráfico de correspondência entre os resultados obtidos por meio das
simulações e os dados reais do elemento “Triagem” da primeira parte do modelo
encontra-se na Figura 16. Os dados utilizados para a elaboração da Figura 16
encontram-se no Apêndice B.
Figura 16 - Elemento “triagem”
Fonte: Elaborado pelo autor, 2016.
57
Observa-se, na Figura 16, que, em média, existe uma correspondência de
97,69% entre os dados simulados e os dados reais.
Esse resultado indica que o modelo de simulação pode ser usado para
predizer o número de pacientes triados no PTN com alta precisão, as quais estão
fortemente correlacionadas com o número de pacientes encaminhados para a
primeira coleta, somados com o número de solicitações realizadas e efetivadas.
O gráfico de correspondência entre os resultados obtidos por meio das
simulações e os dados reais do elemento “Recebimento” encontra-se na Figura 17.
Os dados utilizados para a elaboração da Figura 17 encontram-se no Apêndice C.
Figura 17 - Elemento "Recebimento"
Fonte: Elaborado pelo autor, 2016.
Observa-se, na Figura 17, que, em média, há uma correspondência de 98,18
% entre os dados simulados e os dados reais.
Esse resultado indica que o modelo de simulação pode ser usado para
predizer o número de amostras recebidas no PTN com alta precisão.
O gráfico de correspondência entre os resultados obtidos por meio das
simulações e os dados reais do elemento “Amostra alterada” encontra-se na
Figura 18. Os dados utilizados para a elaboração da Figura 18 encontram-se no
Apêndice D.
58
Figura 18 - Elemento "Amostra alterada"
Fonte: Elaborado pelo autor, 2016.
Observa-se, na Figura 18, que, em média, há uma correspondência de 97,17
% entre os dados simulados e os dados reais.
Esse resultado indica que o modelo de simulação pode ser usado para
predizer o número de amostras alteradas no PTN com precisão.
A quantidade total de amostras alteradas no período considerado foi igual a
54.014 e por meio da simulação foi obtido um total igual a 52.648. Portanto, o
resultado simulado superestimou os dados reais em 1.366 amostras, ou um erro
relativo de 2,53%. Considerando o grande número de amostras, esta diferença é
aceitável.
Uma comparação entre os resultados simulados e os dados reais do número
de amostras alteradas é apresentada na Figura 19.
Os dados utilizados na elaboração da Figura 19 encontram-se no Apêndice
E.
Considerando-se que a simulação é analisada em nível gerencial, observa-se
na Figura 19 que os resultados simulados e os dados reais seguem a mesma
tendência de variação.
59
Figura 19 - Comparação entre os resultados obtidos por meio de simulação e os dados reais, para o elemento "Amostra alterada"
Fonte: Elaborado pelo autor, 2016.
O gráfico de correspondência entre os resultados obtidos por meio das
simulações e os dados reais do elemento “Resolução de recoleta” encontra-se na
Figura 20. Os dados utilizados para a elaboração desta figura encontram-se no
Apêndice E.
Observa-se, na Figura 20, que, em média, há uma correspondência de 97,63
% entre os dados simulados e os dados reais.
Esse resultado indica que o modelo de simulação pode ser usado para
predizer o número de recoletas de amostras no PTN com precisão satisfatória.
Embora o grau de correspondência entre os resultados simulados e os dados
reais seja maior do que nos casos apresentados anteriormente, o grau de dispersão
dos dados também foi maior neste caso, o que quer dizer maior variância dos
dados. Isto explica o valor menor do coeficiente de determinação, R2, igual a 87,47
%.
Por outro lado, na média, o modelo de simulação fornece uma ótima
estimativa do número de recoletas de amostras, pois a quantidade de recoleta foi
igual a 71.128 e o resultado obtido por meio de simulação foi igual a 68.401.
Portanto, houve uma subestimação da simulação em 2.727 recoletas ou 3,83 %.
Considerando o grande número de amostras, esta diferença pode ser considerada
aceitável.
60
Figura 20 - Elemento "Resolução de recoleta"
Fonte: Elaborado pelo autor, 2016.
Um dos objetivos principais do PTN é realizar o diagnóstico e encaminhar o
paciente para o atendimento especializado, sendo que o elemento do modelo que
controla o número de encaminhamentos é muito importante nesse contexto.
O gráfico de correspondência entre os resultados obtidos por meio das
simulações e os dados reais do elemento “Encaminhamento” encontra-se na
Figura 21 e os dados utilizados para a sua elaboração encontram-se no Apêndice F.
Observa-se, na Figura 21, que, em média, há uma correspondência de 96,68
% entre os dados simulados e os dados reais.
A quantidade total de encaminhamentos foi igual a 4.083 e a quantidade total
obtida por meio da simulação foi igual a 3.928, mostrando que a simulação
apresentou um erro relativo de 3,80%, portanto considerado satisfatório.
61
Figura 21 - Elemento "Encaminhamento"
Fonte: Elaborado pelo autor, 2016.
Considerando-se que a simulação é analisada em nível gerencial, observa-
se, na Figura 22, que os resultados simulados e os dados reais seguem a mesma
tendência de variação. Portanto, os resultados simulados podem ser usados como
parâmetro de tomada de decisão pelos gerentes do sistema.
Figura 22 - Comparação entre os dados reais e os dados obtidos por meio de
simulação para o elemento "Encaminhamento"
Fonte: Elaborado pelo autor, 2016.
62
5.4.3 Validação do modelo de simulação de eventos discretos
O Quadro 10 apresenta os dados reais, obtidos na base de dados do
Programa de Triagem Neonatal do Estado de Minas Gerais.
A comparação entre os resultados obtidos por meio de simulação de eventos
discretos e os dados reais dos principais elementos do processo de triagem
neonatal encontra-se no Quadro 11.
Observa-se, no Quadro 11, que a diferença máxima absoluta entre os
resultados simulados e os dados reais foi igual a 3,95 %, que pode ser considerada
aceitável, devido à natureza do problema que está sendo analisado. Essas
diferenças estão representadas graficamente na Figura 23 e na Figura 24.
Quadro 10 - Dados reais da base de dados do Programa de Triagem Neonatal
Dados reais
Entidade
Resultados Intervalo confiança 95%
Média Desvio
padrão Início Término
Exame 1 0,56 0,35 0,45 0,67
Exame 2 0,57 0,33 0,47 0,68
Exame 3 0,60 0,34 0,49 0,71
Exame 4 0,58 0,37 0,46 0,70
Exame 5 0,53 0,35 0,42 0,64
Exame 6 0,50 0,42 0,37 0,63
Recém-nascido 13,78 5,02 12,20 15,36
Fonte: Elaborado pelo autor, 2016.
Quadro 11 - Dados simulados e comparação com os dados reais
Dados simulados
Entidade
Resultados Intervalo de confiança 95% Erro
relativo
(%) Média Desvio
padrão Início Término
Exame 1 0,54 0,15 0,47 0,61 -3,95
Exame 2 0,58 0,19 0,50 0,66 0,99
Exame 3 0,60 0,08 0,56 0,64 -0,18
Exame 4 0,56 0,17 0,49 0,63 -3,35
Exame 5 0,54 0,15 0,47 0,61 1,39
Exame 6 0,51 0,12 0,46 0,56 1,95
Recém-nascido 13,74 2,87 12,48 15,00 -0,29
Fonte: Elaborado pelo autor, 2016.
63
Figura 23 - Comparação entre as variáveis de entrada no sistema
Fonte: Elaborado pelo autor, 2016.
Figura 24 - Comparação entre as variáveis de realização dos exames
Fonte: Elaborado pelo autor, 2016.
64
6 CONCLUSÕES
O estudo de modelos que representam o comportamento de um sistema real
é amplamente utilizado nas engenharias como alternativas economicamente viáveis
à implementação de um sistema real para testes. Entretanto, para o processo de
triagem neonatal, objeto de estudo deste trabalho, não foram encontrados estudos
precedentes similares.
Embora o processo de triagem neonatal seja um problema que envolve
muitas variáveis dinâmicas e aleatórias, foi possível desenvolver um modelo de
predição utilizando dinâmica de sistemas com o auxílio das ferramentas
computacionais Vensim PLE 6.3, ProModel.
Os modelos de simulação foram desenvolvidos utilizando duas abordagens, a
simulação de eventos contínuos e de eventos discretos. Ambas forneceram
resultados satisfatórios, com alto grau de correspondência em relação aos dados
reais.
O modelo de simulação de dinâmica de sistema permitiu analisar, por
exemplo, o grau de influência do crescimento da população sobre número de
exames laboratoriais que serão realizados no programa. O modelo, também,
possibilitou determinar a relação entre a cobertura do Programa de Triagem
Neonatal (PTN) e o número de casos detectados com alguma patologia.
O modelo de simulação com base em eventos discretos permitiu analisar, por
exemplo, o grau de influência sobre as filas no processo de cadastramento dos
pacientes, causado pela ausência (ou falta) de funcionários do setor de digitação.
Este modelo possibilitou, também, predizer a relação entre a parada de um
determinado equipamento laboratorial e o impacto no tempo final da liberação de
exames.
Os modelos desenvolvidos, com base em dinâmica de sistema de eventos
contínuos e de eventos discretos, permitiram verificar, por meio de simulação,
diversas situações diferentes em vários pontos do processo.
O modelo de simulação contínua, apresentado neste trabalho, permitiu aos
gestores uma visão gerencial do Programa de Triagem Neonatal (PTN) e como cada
elemento do processo é influenciado por outros elementos em um determinado
período de tempo. Por outro lado, o modelo de simulação de eventos discretos
permitiu aos gestores uma visão mais operacional dos processos.
65
Os modelos aqui apresentados também permitem aos gestores a definição
de cenários diferentes, de acordo com a situação atual ou de sua conveniência. As
decisões ou intervenções gerenciais podem ser testadas com a realização de
simulações e os resultados obtidos permitem analisar possíveis alterações no fluxo
real, operacional ou gerencial.
A análise dos relatórios obtidos utilizando os modelos de simulação
possibilitou o questionamento de muitos problemas nos processos administrativos
que, normalmente, são raramente percebidos ou difíceis de serem quantificados.
A experiência prática no desenvolvimento de modelos de simulação de um
sistema complexo, para o Programa de Triagem Neonatal (PTN), colocando à
disposição dos gestores uma ferramenta capaz de realizar predições e condução de
experimentos, sem a necessidade de interferir com a produtividade dos recursos
humanos do sistema, constitui a principal contribuição deste trabalho.
6.1 Recomendações para trabalhos futuros
Os modelos construídos por meio de simulação contínua e de eventos
discretos possuem vários pontos de interseção que podem ser compartilhados.
Portanto, é possível uma extensão do presente estudo com a criação de um novo
modelo híbrido, em que as entradas e as saídas sejam compartilhadas na dinâmica
de sistema e na simulação de eventos discretos. Esse novo modelo poderia
responder a questões operacionais e gerenciais.
Também é possível realizar uma extensão do modelo para considerar o custo
e estoque de material utilizado durante a realização dos exames.
66
REFERÊNCIAS
BANKS, J. Handbook of Simulation. Atlanta: John Wiley & Sons, 1998. BENSON, Deborah. Simulation modeling and optimization using ProModel. In:
Proceedings of the 29th conference on Winter simulation. IEEE Computer Society, 1997. p. 587-593. BORSHCHEV, Andrei; FILIPPOV, Alexei. From system dynamics and discrete event
to practical agent based modeling: reasons, techniques, tools. In: Proceedings of
the 22nd international conference of the system dynamics society. 2004.
BRAILSFORD, S. C.; HILTON, N. A. A comparison of discrete event simulation
and system dynamics for modelling health care systems. 2001.
BRATLEY, Paul; FOX, Bennet L.; SCHRAGE, Linus E. A guide to simulation. Springer Science & Business Media, 2011. BRITO, Thiago Barros; BOTTER, Rui Carlos. Uma comparação conceitual entre as metodologias de simulação discreta e a contínua como elemento impulsionador da
simulação híbrida. Pesquisa Operacional para o Desenvolvimento, v. 6, n. 2, p. 202-225, 2014.
COELHO, Jailton Junior de Sousa et al. Modelo de dinâmica de sistemas para
apoio a decisões no processo de inspeção de Software. 2013.
DUARTE, Robert N. Simulação computacional: analise de uma célula de manufatura em lotes do setor de auto-peças. Dissertação (Mestrado em engenharia de produção) – Universidade Federal de Itajuba de Minas Gerais, 2003. FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From data
mining to knowledge discovery in databases. AI magazine, v. 17, n. 3, p. 37, 1996. FERNANDES, Carlos Aparecido et al. Simulação da dinâmica operacional de uma
linha industrial de abate de suínos. Ciência e Tecnologia de Alimentos, v. 26, n. 1, p. 166-170, 2006.
FORRESTER, Jay Wright; FORRESTER, Jay W. Urban dynamics. Cambridge: MIt Press, 1969.
67
FREITAS FILHO, Paulo José. Introdução à modelagem e simulação de
sistemas: com aplicações em Arena. Visual Books, 2008.
HARRELL, Charles R. et al. Simulação otimizando os sistemas. São Paulo: Belge IMAM, 2002.
HARRELL, Charles; BOWDEN, Royce; GHOSH, Biman K. Simulation using
promodel. McGraw-Hill Higher Education, 2000.
HELAL, Magdy. A hybrid system dynamics-discrete event simulation approach
to simulating the manufacturing enterprise. ProQuest, 2008.
HERMSDORF, Victor Oliveira et al. Modelagem da atividade de elicitação de
requisitos utilizando a técnica de entrevista: uma abordagem utilizando dinâmica de sistemas. 2011.
KELTON, W. David; LAW, Averill M. Simulation modeling and analysis. Boston: McGraw Hill, 2000.
KELTON, W. David; SADOWSKI, Randall P.; SADOWSKI, Deborah A. Simulation
with ARENA. New York: WCB/McGraw-Hill, 1998.
LANE, David C. You just don't understand me: Modes of failure and success in the discourse between system dynamics and discrete event simulation. 2000.
LAW, A. M. Simulation Modeling & Analysis. 4. ed. Boston: Ed. McGraw-Hill, 2007.
LAW, A. M.; KELTON, W. David Simulation modeling and analysis. Boston: McGraw Hill, 2000.
MAK, Hing-Yin. System dynamics and discrete event simulation modelling. 1992. Tese de Doutorado. London School of Economics and Political Science (University of London).
NUPAD. Triagem. Disponível em: http://www.nupad.medicina.ufmg.br/ ?page_id=323. Acesso em: 29 mar. 2015.
68
OLIVEIRA, Adelize Generini de. Data warehouse conceitos e soluções. Florianópolis: Advanced, 1998.
PIDD, M. Modelagem Empresarial: Ferramentas para a tomada de decisão. Porto Alegre: Bookman, 1998.
PNTN. MINISTÉRIO DA SAÚDE. Manual de Normas Técnicas e Rotinas
Operacionais do Programa Nacional de Triagem Neonatal. Brasília: Ministério da Saúde, 2 ed,10p; 2004. PORTARIA 22. Disponível em: http://dtr2001.saude.gov.br/sas/dsra/ePTNn.htm. Acesso em: 29 ago. 2015. PORTARIA 822. Disponível em: http://bvsms.saude.gov.br/bvs/saudelegis/gm/2001/prt0822_06_06_2001.html. Acesso em: 29 ago. 2015.
PRADO, D. S. Usando o Arena em Simulação. 3. ed. Belo Horizonte: INDG Tecnologia e Serviços, 2008.
RANGEL, J. J. A.; JÚNIOR, E. C. Avaliação de um mecanismo de teste de um
sistema de controle com um modelo de simulação. In: SBPO - SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, 63,. 2011. Anais... Ubatuba-SP, 2011. p. 1-12,. ROBERTS, N.; ANDERSEN, D. F.; DEAL, R. M.; GARET, M. S.; SHAFFER, W. A.
Introduction to computer simulation: A system Dynamics modeling approach. Massachusetts: Addison-Wesley, 1983.
ROCK, Sascha. Hardware in the loop simulation of production systems
dynamics. Production Engineering - Research and Development, v. 5, n. 3, p. 329-337, 2011.
SARGENT, R. G. Verification and validation of simulation models. In: WINTER THE SIMULATION CONFERENCE, 1998, Proceedings... Washington: WSC, p. 20-8, 1998.
STERMAN, John D. Business dynamics: systems thinking and modeling for a complex world. Boston: Irwin/McGraw-Hill, 2000.
69
STRACK, Jair. GPSS: Modelagem e simulação de sistema. Rio de janeiro: LTC, 1984.
SWEETSER, Eve. Compositionality and blending: semantic composition in a cognitively realistic framework. Cognitive linguistics: Foundations, scope, and methodology, v. 129162, 1999. TAKO, Antuela A.; ROBINSON, Stewart. Comparing discrete-event simulation and
system dynamics: users' perceptions. Journal of the operational research society, v. 60, n. 3, p. 296-312, 2009.
TECNOLOGIA, PARAGON. Introdução à Simulação com ARENA. Material Didático. São Paulo, 2002.
VENTANA SYSTEMS, Vensim User’s Guide, Ver. 1.62. Ventana Systems, Inc., 149 Waverley Street, Belmont, MA 02178. Disponível em: < www.vensim.com> Acesso em: 29 ago. 2016.
ZHANG, D. Z.; ANOSIKE, A. I. Modelling and simulation of dynamically
integrated manufacturing systems. Advances in Intelligent and Soft Computing, v. 66, p. 865-876, 2010.
70
APÊNDICE A – Taxas utilizadas na dinâmica de sistema
(Continua)
Ano
/Mês
Mês
Ano Time
Taxa de
amostra
inadequada
Taxa de
exame
alterado
Taxa de
encaminhamento
medico
Taxa de
controle
medico
Taxa de
resolução
Alterada
Protocolo
maternidade
Saída do
programa
Taxa de
crescimento
Taxa de
óbito
Cobertura do
programa
Taxa de
liberação
Taxa
resolução
2005
200501 1 1 0,0098016 0,0119953 0,1439689 0,0215169 0,0878661 0,0052275 0,2424242 0,0011543 0,0004496 0,9390255 0,9598600 0,5132353
200502 2 2 0,0104391 0,0118719 0,1163793 0,0224133 0,0844410 0,0045031 0,1746032 0,0011229 0,0004112 0,8816721 0,9264149 0,4482201
200503 3 3 0,0102913 0,0134516 0,1114458 0,0194076 0,1078915 0,0044569 0,1595745 0,0013295 0,0004604 0,9408453 0,8862283 0,5357591
200504 4 4 0,0092222 0,0161492 0,1214470 0,0211150 0,1093936 0,0055083 0,0625000 0,0012740 0,0004307 0,9519749 0,9253881 0,5104651
200505 5 5 0,0070024 0,0164937 0,1227621 0,0215557 0,1621824 0,0047667 0,0484848 0,0013226 0,0004771 0,9031206 0,9338986 0,5667539
200506 6 6 0,0054993 0,0142823 0,1135734 0,0214828 0,1488550 0,0051828 0,0396040 0,0012351 0,0004754 1,0343841 0,9195284 0,5370370
200507 7 7 0,0076093 0,0151743 0,1166181 0,0227393 0,1245722 0,0064590 0,0314961 0,0012061 0,0005238 0,9433239 0,9230667 0,5280765
200508 8 8 0,0085236 0,0181344 0,1151079 0,0253533 0,1545093 0,0062187 0,0267559 0,0011728 0,0004783 0,9910912 0,9326810 0,5712670
200509 9 9 0,0069366 0,0163598 0,1200000 0,0213768 0,1610108 0,0056714 0,0375723 0,0012097 0,0004397 0,9558267 0,8936393 0,5306859
200510 10 10 0,0098648 0,0212579 0,0849673 0,0242682 0,1412463 0,0066691 0,0253165 0,0011633 0,0004706 0,9342240 0,9082531 0,4994914
200511 11 11 0,0098282 0,0121183 0,1181102 0,0241412 0,1057828 0,0066794 0,0235294 0,0010936 0,0004163 0,9632587 0,9041031 0,5361930
200512 12 12 0,0123721 0,0124696 0,1328125 0,0223575 0,0763932 0,0062348 0,0199557 0,0010968 0,0004431 0,9464455 0,9225524 0,5323450
2006
200601 1 13 0,0095728 0,0132400 0,1798561 0,0235272 0,0867518 0,0070963 0,0246407 0,0011055 0,0004441 0,9438588 0,9292756 0,5555556
200602 2 14 0,0079895 0,0136137 0,0926641 0,0247043 0,1063988 0,0086202 0,0136187 0,0010675 0,0004061 0,8877615 0,9670959 0,5585331
200603 3 15 0,0082358 0,0088131 0,1135371 0,0225139 0,0837629 0,0057728 0,0092081 0,0012465 0,0004546 1,0418846 0,8716518 0,5302632
200604 4 16 0,0142647 0,0133169 0,0996441 0,0203308 0,0679513 0,0072035 0,0071556 0,0012245 0,0004254 0,8547772 0,8520449 0,5243902
200605 5 17 0,0103559 0,0105861 0,1231884 0,0210187 0,0894533 0,0060601 0,0084317 0,0012456 0,0004712 1,0386597 0,9329549 0,5546512
200606 6 18 0,0092555 0,0103286 0,1255411 0,0208808 0,0787558 0,0066622 0,0174051 0,0011450 0,0004695 0,9753845 0,9052985 0,5092348
200607 7 19 0,0185495 0,0105997 0,2105263 0,0232450 0,0452468 0,0082287 0,0089419 0,0011327 0,0005173 0,9447995 0,9538819 0,5070707
200608 8 20 0,0158054 0,0099006 0,1614350 0,0241076 0,0584192 0,0078583 0,0042373 0,0011191 0,0004724 0,9993578 0,9307849 0,5562842
200609 9 21 0,0159661 0,0109166 0,1850220 0,0255362 0,0563890 0,0068770 0,0079576 0,0011492 0,0004342 0,9015456 0,9853323 0,4884234
200610 10 22 0,0140985 0,0090375 0,1650000 0,0222775 0,0600975 0,0075915 0,0076433 0,0010935 0,0004648 1,0069480 0,9539991 0,5669481
200611 11 23 0,0178028 0,0083181 0,1707317 0,0255123 0,0381566 0,0091296 0,0061050 0,0010256 0,0004112 0,9558514 0,9824508 0,4976905
200612 12 24 0,0184123 0,0109272 0,2000000 0,0259520 0,0403101 0,0087964 0,0069767 0,0010552 0,0004376 0,8589638 0,9973775 0,4516129
71
APÊNDICE A – Taxas utilizadas na dinâmica de sistema
(Continua)
Ano
/Mês
Mês
Ano Time
Taxa de
amostra
inadequada
Taxa de
exame
alterado
Taxa de
encaminhamento
medico
Taxa de
controle
medico
Taxa de
resolução
Alterada
Protocolo
maternidade
Saída do
programa
Taxa de
crescimento
Taxa de
óbito
Cobertura do
programa
Taxa de
liberação
Taxa
resolução
2007
200701 1 25 0,0148010 0,0173713 0,0790816 0,0220243 0,0534704 0,0081982 0,0045045 0,0011242 0,0004387 0,9829033 0,9629531 0,5458468
200702 2 26 0,0128341 0,0165311 0,0702875 0,0242421 0,0520694 0,0082920 0,0064655 0,0010851 0,0004012 0,8523625 0,8831203 0,4733420
200703 3 27 0,0159374 0,0258146 0,0640244 0,0236896 0,0929259 0,0070833 0,0051387 0,0012604 0,0004491 0,9891772 0,9719424 0,5576430
200704 4 28 0,0137850 0,0193711 0,0860465 0,0200018 0,0621469 0,0079737 0,0058252 0,0011757 0,0004202 0,9232229 0,9526984 0,4924012
200705 5 29 0,0137655 0,0230892 0,0831889 0,0252901 0,0880073 0,0085234 0,0055402 0,0011970 0,0004655 1,0273682 0,9077231 0,5464716
200706 6 30 0,0140589 0,0248015 0,0828625 0,0249883 0,0956154 0,0092013 0,0071556 0,0011125 0,0004638 0,9435227 0,9584773 0,5520000
200707 7 31 0,0156635 0,0254241 0,0786106 0,0258889 0,0712644 0,0098071 0,0094421 0,0010845 0,0005110 0,9674071 0,9594237 0,5475285
200708 8 32 0,0186950 0,0314040 0,0366569 0,0291937 0,1210654 0,0091633 0,0024793 0,0010331 0,0004666 1,0238563 0,9576369 0,6108821
200709 9 33 0,0236404 0,0451120 0,0372596 0,0277612 0,1262788 0,0113322 0,0070978 0,0010276 0,0004289 0,8749507 0,9212709 0,5697177
200710 10 34 0,0238966 0,0467956 0,0345178 0,0252744 0,1558733 0,0108319 0,0030053 0,0010082 0,0004591 1,0101605 0,9233218 0,6248132
200711 11 35 0,0291993 0,0476888 0,0328390 0,0257136 0,1071155 0,0105582 0,0056940 0,0009757 0,0004062 0,9794179 0,9277595 0,5401750
200712 12 36 0,0254160 0,0467860 0,0328867 0,0253590 0,0936261 0,0104285 0,0020534 0,0010234 0,0004323 0,8198801 0,9541828 0,4847926
2008
200801 1 37 0,0188945 0,0371479 0,0379747 0,0252212 0,1215175 0,0094900 0,0006443 0,0010622 0,0004358 1,0635523 0,9213440 0,5781119
200802 2 38 0,0140764 0,0316839 0,0391566 0,0225223 0,1051985 0,0093525 0,0061237 0,0010818 0,0003985 0,9299618 0,8481176 0,5177824
200803 3 39 0,0176309 0,0345403 0,0430809 0,0214637 0,0904826 0,0101006 0,0055897 0,0011654 0,0004461 0,9115117 0,9064346 0,4807018
200804 4 40 0,0268013 0,0406068 0,0272823 0,0221143 0,0956481 0,0079253 0,0014829 0,0011689 0,0004174 0,9572900 0,8626273 0,4830954
200805 5 41 0,0241756 0,0375833 0,0434783 0,0198601 0,1064949 0,0084636 0,0036680 0,0011694 0,0004624 0,9653197 0,8950853 0,4970370
200806 6 42 0,0256995 0,0356964 0,0370844 0,0230063 0,1251501 0,0078057 0,0044663 0,0010972 0,0004607 0,9528007 0,9280595 0,5801012
200807 7 43 0,0141272 0,0256696 0,0642361 0,0220152 0,0959693 0,0094033 0,0017559 0,0011052 0,0005077 0,9865536 0,9119836 0,5549242
200808 8 44 0,0163808 0,0245712 0,0566038 0,0232319 0,0790791 0,0085510 0,0039046 0,0010494 0,0004636 0,8985646 0,9642508 0,4517717
200809 9 45 0,0213864 0,0255136 0,0459559 0,0227465 0,0640761 0,0070350 0,0017094 0,0010826 0,0004261 0,9548606 0,9591971 0,5004625
200810 10 46 0,0259161 0,0214089 0,0715789 0,0231667 0,0529372 0,0086537 0,0012526 0,0010556 0,0004561 1,0149382 0,9269843 0,5285016
200811 11 47 0,0289106 0,0232129 0,0727273 0,0245845 0,0534667 0,0085993 0,0016414 0,0009892 0,0004035 0,9247301 0,9793722 0,4979390
200812 12 48 0,0342633 0,0197027 0,0671835 0,0222992 0,0316826 0,0085022 0,0016267 0,0010675 0,0004295 0,8930577 0,9360554 0,5103220
72
APÊNDICE A – Taxas utilizadas na dinâmica de sistema
(Continua)
Ano
/Mês
Mês
Ano Time
Taxa de
amostra
inadequada
Taxa de
exame
alterado
Taxa de
encaminhamento
medico
Taxa de
controle
medico
Taxa de
resolução
Alterada
Protocolo
maternidade
Saída do
programa
Taxa de
crescimento
Taxa de
óbito
Cobertura do
programa
Taxa de
liberação
Taxa
resolução
2009
200901 1 49 0,0390919 0,0228831 0,0753968 0,0222928 0,0257859 0,0086266 0,0024174 0,0010871 0,0004318 0,9726342 0,9962770 0,5697290
200902 2 50 0,0227780 0,0266302 0,0733753 0,0243412 0,0368374 0,0106074 0,0047828 0,0010481 0,0003949 0,8153634 0,9541648 0,4845041
200903 3 51 0,0263034 0,0252025 0,0421217 0,0227648 0,0701488 0,0084926 0,0011830 0,0011902 0,0004420 1,0317048 0,9493591 0,6119082
200904 4 52 0,0247592 0,0221171 0,0635838 0,0214353 0,0494543 0,0086508 0,0015613 0,0011415 0,0004136 0,9910355 0,9342879 0,5570962
200905 5 53 0,0338450 0,0263133 0,0615942 0,0227381 0,0497297 0,0123939 0,0046207 0,0010678 0,0004582 0,9423149 0,9690628 0,5905350
200906 6 54 0,0385326 0,0193162 0,0645995 0,0251061 0,0286104 0,0112803 0,0056904 0,0010165 0,0004565 0,9436288 0,9159471 0,5784685
200907 7 55 0,0369976 0,0245879 0,0621469 0,0243564 0,0425585 0,0119930 0,0025964 0,0010104 0,0005030 1,0149195 0,9413780 0,6494709
200908 8 56 0,0239576 0,0219745 0,0536585 0,0252975 0,0560258 0,0128095 0,0025726 0,0009776 0,0004593 0,9085061 0,9293065 0,6308973
200909 9 57 0,0200785 0,0223150 0,0668151 0,0230108 0,0703229 0,0111326 0,0021739 0,0010761 0,0004222 0,8993460 0,9077581 0,5874060
200910 10 58 0,0178354 0,0203625 0,0906921 0,0220149 0,0442561 0,0088448 0,0010764 0,0010001 0,0004519 0,9834806 0,9714244 0,4822134
200911 11 59 0,0174477 0,0178201 0,0686567 0,0246290 0,0450676 0,0096282 0,0024814 0,0009481 0,0003998 0,9474571 0,9279217 0,5429815
200912 12 60 0,0222367 0,0187974 0,0662461 0,0235413 0,0467695 0,0107922 0,0021097 0,0010063 0,0004255 0,8030356 0,9428961 0,5326087
2010
201001 1 61 0,0240668 0,0170284 0,0613333 0,0211152 0,0396558 0,0068114 0,0010449 0,0010949 0,0004414 0,9925436 0,9108165 0,5355286
201002 2 62 0,0202164 0,0192329 0,0767045 0,0218555 0,0455868 0,0074855 0,0024205 0,0010789 0,0004037 0,8323322 0,8693039 0,4436090
201003 3 63 0,0198931 0,0176965 0,0585480 0,0208877 0,0513315 0,0073770 0,0027332 0,0012388 0,0004519 0,9600445 0,9599237 0,5691906
201004 4 64 0,0183674 0,0180554 0,0790123 0,0206857 0,0513852 0,0067318 0,0013587 0,0011338 0,0004228 0,9816832 0,8924257 0,5034619
201005 5 65 0,0269199 0,0201537 0,0599520 0,0227635 0,0516717 0,0084095 0,0040268 0,0011328 0,0004684 0,8984234 0,9560195 0,5376261
201006 6 66 0,0217626 0,0177343 0,1246537 0,0224995 0,0438379 0,0083022 0,0026587 0,0010741 0,0004666 0,9344387 0,9672332 0,5241187
201007 7 67 0,0226864 0,0194658 0,0802920 0,0219286 0,0496848 0,0080515 0,0026359 0,0010623 0,0005142 0,9829002 0,9851757 0,5428571
201008 8 68 0,0273885 0,0213437 0,0776942 0,0283513 0,0502216 0,0105381 0,0022883 0,0010304 0,0004696 0,8892740 0,9858243 0,5735683
201009 9 69 0,0258257 0,0211956 0,0631068 0,0245910 0,0521429 0,0103406 0,0016166 0,0010566 0,0004316 0,9058244 0,9598724 0,5631891
201010 10 70 0,0267281 0,0211470 0,0532688 0,0243216 0,0360551 0,0099846 0,0035256 0,0010350 0,0004620 0,9283672 0,9666667 0,5816594
201011 11 71 0,0251256 0,0177731 0,1041667 0,0236445 0,0337123 0,0117429 0,0009518 0,0009939 0,0004087 0,9358217 0,9413383 0,5895450
201012 12 72 0,0316626 0,0193372 0,0878187 0,0265133 0,0264737 0,0138592 0,0025094 0,0010517 0,0004350 0,8521663 0,9786360 0,5757307
73
APÊNDICE A – Taxas utilizadas na dinâmica de sistema
(Continua)
Ano
/Mês
Mês
Ano Time
Taxa de
amostra
inadequada
Taxa de
exame
alterado
Taxa de
encaminhamento
medico
Taxa de
controle
medico
Taxa de
resolução
Alterada
Protocolo
maternidade
Saída do
programa
Taxa de
crescimento
Taxa de
óbito
Cobertura do
programa
Taxa de
liberação
Taxa
resolução
2011
201101 1 73 0,0270749 0,0174752 0,0693333 0,0237197 0,0248406 0,0137005 0,0024883 0,0011152 0,0004384 0,9425026 0,8648586 0,6349338
201102 2 74 0,0262340 0,0216494 0,0752941 0,0268962 0,0505240 0,0134481 0,0027667 0,0010935 0,0004010 0,8767034 0,8735673 0,6541555
201103 3 75 0,0220472 0,0139983 0,0718750 0,0229221 0,0334101 0,0120297 0,0036608 0,0012644 0,0004489 0,8889513 0,8496500 0,6081560
201104 4 76 0,0215367 0,0144362 0,0879479 0,0240760 0,0318391 0,0126963 0,0009080 0,0011425 0,0004200 0,9102081 0,7938023 0,5927022
201105 5 77 0,0235944 0,0133602 0,0480769 0,0217959 0,0356155 0,0128035 0,0015002 0,0012042 0,0004653 0,9451951 0,7637134 0,6443692
201106 6 78 0,0260743 0,0195785 0,0858469 0,0215772 0,0444062 0,0121741 0,0014854 0,0011166 0,0004635 0,9586000 0,8983828 0,6460102
201107 7 79 0,0207958 0,0204959 0,0731707 0,0237453 0,0510204 0,0139472 0,0014728 0,0010938 0,0005108 0,8894810 0,9768046 0,6242830
201108 8 80 0,0221804 0,0180337 0,0802139 0,0298471 0,0454359 0,0120064 0,0029095 0,0010588 0,0004664 0,9559077 0,9545783 0,6621094
201109 9 81 0,0208219 0,0220274 0,0696517 0,0275068 0,0560000 0,0135890 0,0011551 0,0010238 0,0004287 0,8665280 0,9556164 0,5974441
201110 10 82 0,0208377 0,0194134 0,0679348 0,0254273 0,0510018 0,0135050 0,0031573 0,0009975 0,0004589 0,9270288 0,9186010 0,6608607
201111 11 83 0,0249946 0,0192723 0,0896359 0,0292054 0,0347506 0,0142518 0,0025590 0,0009983 0,0004060 0,9059660 0,9321421 0,6153846
201112 12 84 0,0332958 0,0172645 0,1055901 0,0273444 0,0201853 0,0144764 0,0016897 0,0010266 0,0004321 0,8851091 0,9563562 0,6049914
2012
201201 1 85 0,0243463 0,0205969 0,1043689 0,0263960 0,0369665 0,0129981 0,0019520 0,0010679 0,0004357 0,9048720 0,9713043 0,6378676
201202 2 86 0,0247705 0,0188215 0,0790191 0,0270783 0,0354086 0,0131802 0,0019417 0,0010860 0,0003984 0,8706985 0,9382020 0,5862709
201203 3 87 0,0318928 0,0234883 0,0715631 0,0264077 0,0494834 0,0134029 0,0032994 0,0012263 0,0004460 0,8946979 0,9990269 0,6319678
201204 4 88 0,0263374 0,0212339 0,0643777 0,0240135 0,0478723 0,0138977 0,0019152 0,0011480 0,0004173 0,9269983 0,9504238 0,6343402
201205 5 89 0,0304720 0,0214598 0,0602911 0,0257875 0,0490333 0,0141429 0,0035326 0,0011652 0,0004623 0,9321807 0,9525743 0,6468966
201206 6 90 0,0386443 0,0196405 0,0598504 0,0263016 0,0277919 0,0147426 0,0032215 0,0010752 0,0004606 0,9178416 0,9966694 0,6396957
201207 7 91 0,0305881 0,0225101 0,0656455 0,0297508 0,0368865 0,0160575 0,0018538 0,0010889 0,0005075 0,8971785 0,9553246 0,6464174
201208 8 92 0,0266336 0,0232447 0,0410678 0,0304043 0,0498339 0,0175171 0,0057728 0,0010612 0,0004635 0,9532036 0,9446327 0,6967538
201209 9 93 0,0275270 0,0261506 0,0400000 0,0302797 0,0526316 0,0172869 0,0033943 0,0010548 0,0004260 0,8335005 0,9832085 0,6427970
201210 10 94 0,0224571 0,0209404 0,0630841 0,0288664 0,0464102 0,0162924 0,0036288 0,0010664 0,0004560 0,9254274 0,9615930 0,6322908
201211 11 95 0,0215537 0,0200031 0,0775194 0,0260506 0,0385098 0,0165917 0,0036036 0,0010149 0,0004034 0,9239778 0,9744663 0,6109023
201212 12 96 0,0223430 0,0205314 0,0441176 0,0294082 0,0319809 0,0193841 0,0015389 0,0010415 0,0004294 0,7644470 0,9989734 0,5975359
74
APÊNDICE A – Taxas utilizadas na dinâmica de sistema
(Conclusão)
Ano
/Mês
Mês
Ano Time
Taxa de
amostra
inadequada
Taxa de
exame
alterado
Taxa de
encaminhamento
medico
Taxa de
controle
medico
Taxa de
resolução
Alterada
Protocolo
maternidade
Saída do
programa
Taxa de
crescimento
Taxa de
óbito
Cobertura do
programa
Taxa de
liberação
Taxa
resolução
2013
201301 1 97 0,0175392 0,0182847 0,0671463 0,0276682 0,0515960 0,0148645 0,0033054 0,0011020 0,0004357 1,0046159 0,9439183 0,6418473
201302 2 98 0,0225453 0,0188151 0,0495627 0,0286890 0,0295052 0,0168404 0,0035443 0,0010484 0,0003984 0,8407071 0,9567745 0,5434995
201303 3 99 0,0181251 0,0171661 0,0558659 0,0279070 0,0343387 0,0156317 0,0037500 0,0011687 0,0004460 0,8619635 0,9925198 0,5951904
201304 4 100 0,0166220 0,0179625 0,0422886 0,0277927 0,0419447 0,0150581 0,0047264 0,0011687 0,0004173 0,9322531 0,9598749 0,5811881
201305 5 101 0,0167227 0,0215647 0,0478170 0,0249720 0,0531178 0,0149742 0,0037019 0,0011950 0,0004623 0,9086733 0,9053127 0,5700090
201306 6 102 0,0199732 0,0297610 0,0500835 0,0282208 0,0621423 0,0175386 0,0060739 0,0010859 0,0004606 0,8947173 0,8722611 0,4392906
201307 7 103 0,0222743 0,0296225 0,0403101 0,0273262 0,0773920 0,0132268 0,0040660 0,0010850 0,0005075 0,9598960 0,9118674 0,4854772
201308 8 104 0,0250926 0,0276635 0,0762082 0,0314171 0,0685296 0,0155286 0,0082567 0,0010580 0,0004635 0,8830866 0,9979947 0,5731511
201309 9 105 0,0176677 0,0267106 0,0958904 0,0279651 0,0720514 0,0146359 0,0069316 0,0010298 0,0004260 0,8970020 0,9462652 0,5583501
201310 10 106 0,0161735 0,0327630 0,1523810 0,0302148 0,0931532 0,0140413 0,0091559 0,0010367 0,0004560 0,8977897 0,9655728 0,5406137
201311 11 107 0,0154506 0,0274142 0,1076321 0,0280579 0,0921774 0,0142704 0,0092166 0,0009737 0,0004034 0,9254125 0,9967811 0,5539859
201312 12 108 0,0204821 0,0277929 0,0956522 0,0300888 0,0531189 0,0157090 0,0084270 0,0010431 0,0004294 0,7679977 0,9925080 0,4609929
2014
201401 1 109 0,0209071 0,0264966 0,0724638 0,0261126 0,0973769 0,0139523 0,0164835 0,0011020 0,0004357 1,0346419 0,9596365 0,5995475
201402 2 110 0,0226294 0,0242315 0,0557851 0,0254331 0,0637892 0,0151197 0,0139803 0,0010484 0,0003984 0,9210741 0,9346150 0,5029889
201403 3 111 0,0159513 0,0202146 0,1090047 0,0205499 0,0437988 0,0170531 0,0202020 0,0011687 0,0004460 0,8665316 0,9407933 0,2778250
201404 4 112 0,0113340 0,0211030 0,0921348 0,0084886 0,0426288 0,0275051 0,0233014 0,0011687 0,0004173 0,8812705 0,9426187 0,2927677
201405 5 113 0,0111380 0,0213694 0,0969697 0,0079865 0,0506250 0,0247798 0,0208615 0,0011950 0,0004623 0,9457603 0,9797962 0,3286290
201406 6 114 0,0186286 0,0231371 0,1070664 0,0081252 0,0456093 0,0258125 0,0257978 0,0010859 0,0004606 0,9039469 0,9579865 0,3267744
201407 7 115 0,0179394 0,0261782 0,1133672 0,0089476 0,0544496 0,0283930 0,0336357 0,0010850 0,0005075 1,0112328 0,9598689 0,3215452
201408 8 116 0,0191265 0,0257748 0,1428571 0,0099212 0,0444573 0,0387133 0,0333395 0,0010580 0,0004635 0,8900367 0,9964202 0,3174692
201409 9 117 0,0158016 0,0253025 0,1146245 0,0091509 0,0482556 0,0312531 0,0606952 0,0010298 0,0004260 0,9405781 0,9752975 0,3109796
201410 10 118 0,0174748 0,0280581 0,0964912 0,0084667 0,0603675 0,0261875 0,1239985 0,0010367 0,0004560 0,9540928 0,9638198 0,4506531
201411 11 119 0,0197761 0,0282436 0,1084813 0,0089689 0,0464524 0,0289677 0,1189832 0,0009737 0,0004034 0,8939637 0,9988301 0,3676798
201412 12 120 0,0173003 0,0265037 0,0948767 0,0078455 0,0471480 0,0334943 0,1008388 0,0010431 0,0004294 0,9242914 0,9466405 0,3558528
75
APÊNDICE B – Comparação dos dados simulados do elemento “Triagem” -
primeira parte do modelo
(Continua) Ano /Mês Mês Ano Time Dados reais Dados Simulação
2005
200501 1 1 21.425 20.851
200502 2 2 19.542 19.058
200503 3 3 24.681 24.097
200504 4 4 23.964 23.383
200505 5 5 23.706 23.050
200506 6 6 25.276 24.675
200507 7 7 22.604 21.990
200508 8 8 22.995 22.481
200509 9 9 22.922 22.379
200510 10 10 21.592 21.050
200511 11 11 20.960 20.419
200512 12 12 20.530 20.134
2006
200601 1 13 20.997 20.252
200602 2 14 19.025 18.406
200603 3 15 25.984 25.240
200604 4 16 21.101 20.358
200605 5 17 26.072 25.183
200606 6 18 22.365 21.755
200607 7 19 21.510 20.862
200608 8 20 22.524 21.815
200609 9 21 20.794 20.222
200610 10 22 22.130 21.507
200611 11 23 19.716 19.160
200612 12 24 18.303 17.726
2007
200701 1 25 22.566 21.622
200702 2 26 18.934 18.110
200703 3 27 25.412 24.431
200704 4 28 22.198 21.286
200705 5 29 24.990 24.136
200706 6 30 21.410 20.615
200707 7 31 21.515 20.618
200708 8 32 21.717 20.800
200709 9 33 18.443 17.690
200710 10 34 21.049 20.050
200711 11 35 19.795 18.824
200712 12 36 17.548 16.537
2008
200801 1 37 23.393 22.279
200802 2 38 20.957 19.852
200803 3 39 22.177 20.976
76
APÊNDICE B – Comparação dos dados simulados do elemento “Triagem” -
primeira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados Simulação
200804 4 40 23.469 22.112
200805 5 41 23.867 22.323
200806 6 42 21.907 20.689
200807 7 43 22.439 21.592
200808 8 44 19.413 18.684
200809 9 45 21.322 20.494
200810 10 46 22.187 21.253
200811 11 47 18.955 18.158
200812 12 48 19.642 18.934
2009
200901 1 49 22.025 21.014
200902 2 50 17.912 16.996
200903 3 51 25.434 24.437
200904 4 52 23.466 22.530
200905 5 53 20.978 20.054
200906 6 54 20.035 19.129
200907 7 55 21.596 20.461
200908 8 56 18.658 17.732
200909 9 57 20.121 19.331
200910 10 58 20.577 19.660
200911 11 59 18.799 17.963
200912 12 60 16.864 16.169
2010
201001 1 61 22.022 21.758
201002 2 62 18.302 17.990
201003 3 63 24.129 23.842
201004 4 64 22.431 22.332
201005 5 65 20.691 20.433
201006 6 66 20.356 20.164
201007 7 67 21.114 20.991
201008 8 68 18.694 18.431
201009 9 69 19.438 19.261
201010 10 70 19.530 19.350
201011 11 71 18.905 18.740
201012 12 72 18.255 18.069
2011
201101 1 73 21.459 21.204
201102 2 74 19.631 19.354
201103 3 75 22.860 22.705
201104 4 76 21.266 21.025
201105 5 77 23.353 23.028
201106 6 78 22.014 21.672
77
APÊNDICE B – Comparação dos dados simulados do elemento “Triagem” -
primeira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados Simulação
201107 7 79 20.004 19.712
201108 8 80 20.739 20.517
201109 9 81 18.250 17.996
201110 10 82 18.956 18.768
201111 11 83 18.524 18.366
201112 12 84 18.651 18.464
2012
201201 1 85 20.003 19.646
201202 2 86 19.499 19.237
201203 3 87 22.607 22.337
201204 4 88 21.946 21.682
201205 5 89 22.414 22.145
201206 6 90 20.417 20.136
201207 7 91 20.302 19.945
201208 8 92 20.951 20.663
201209 9 93 18.164 17.970
201210 10 94 20.439 20.185
201211 11 95 19.347 19.191
201212 12 96 16.560 16.304
2013
201301 1 97 22.806 22.685
201302 2 98 18.230 18.072
201303 3 99 20.855 20.668
201304 4 100 22.380 22.369
201305 5 101 22.305 22.313
201306 6 102 20.127 19.978
201307 7 103 21.774 21.430
201308 8 104 19.448 19.235
201309 9 105 19.131 19.029
201310 10 106 19.229 19.185
201311 11 107 18.640 18.584
201312 12 108 16.551 16.531
2014
201401 1 109 23.437 23.544
201402 2 110 19.974 19.953
201403 3 111 20.876 20.938
201404 4 112 21.087 21.309
201405 5 113 23.164 23.402
201406 6 114 20.184 20.340
201407 7 115 22.576 22.750
201408 8 116 19.554 19.536
201409 9 117 19.998 20.107
78
APÊNDICE B – Comparação dos dados simulados do elemento “Triagem” -
primeira parte do modelo
(Conclusão)
Ano /Mês Mês Ano Time Dados reais Dados Simulação
201410 10 118 20.315 20.546
201411 11 119 17.951 18.091
201412 12 120 19.884 20.049
79
APÊNDICE C – Comparação dos dados simulados do elemento “Recebimento”
- Segunda parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
2005
200501 1 1 21.425 20.897
200502 2 2 19.542 19.098
200503 3 3 24.681 24.167
200504 4 4 23.964 23.457
200505 5 5 23.706 23.149
200506 6 6 25.276 24.763
200507 7 7 22.604 22.069
200508 8 8 22.995 22.592
200509 9 9 22.922 22.481
200510 10 10 21.592 21.163
200511 11 11 20.960 20.485
200512 12 12 20.530 20.186
2006
200601 1 13 20.997 20.308
200602 2 14 19.025 18.472
200603 3 15 25.984 25.294
200604 4 16 21.101 20.413
200605 5 17 26.072 25.250
200606 6 18 22.365 21.807
200607 7 19 21.510 20.907
200608 8 20 22.524 21.868
200609 9 21 20.794 20.273
200610 10 22 22.130 21.558
200611 11 23 19.716 19.201
200612 12 24 18.303 17.768
2007
200701 1 25 22.566 21.682
200702 2 26 18.934 18.162
200703 3 27 25.412 24.556
200704 4 28 22.198 21.354
200705 5 29 24.990 24.249
200706 6 30 21.410 20.726
200707 7 31 21.515 20.712
200708 8 32 21.717 20.973
200709 9 33 18.443 17.891
200710 10 34 21.049 20.325
200711 11 35 19.795 19.023
200712 12 36 17.548 16.688
2008
200801 1 37 23.393 22.478
200802 2 38 20.957 19.988
200803 3 39 22.177 21.114
200804 4 40 23.469 22.293
200805 5 41 23.867 22.509
80
APÊNDICE C – Comparação dos dados simulados do elemento “Recebimento”
- Segunda parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
200806 6 42 21.907 20.891
200807 7 43 22.439 21.716
200808 8 44 19.413 18.784
200809 9 45 21.322 20.591
200810 10 46 22.187 21.344
200811 11 47 18.955 18.247
200812 12 48 19.642 19.000
2009
200901 1 49 22.025 21.081
200902 2 50 17.912 17.066
200903 3 51 25.434 24.569
200904 4 52 23.466 22.621
200905 5 53 20.978 20.157
200906 6 54 20.035 19.204
200907 7 55 21.596 20.560
200908 8 56 18.658 17.828
200909 9 57 20.121 19.437
200910 10 58 20.577 19.734
200911 11 59 18.799 18.038
200912 12 60 16.864 16.245
2010
201001 1 61 22.022 21.833
201002 2 62 18.302 18.063
201003 3 63 24.129 23.930
201004 4 64 22.431 22.414
201005 5 65 20.691 20.530
201006 6 66 20.356 20.244
201007 7 67 21.114 21.080
201008 8 68 18.694 18.536
201009 9 69 19.438 19.363
201010 10 70 19.530 19.435
201011 11 71 18.905 18.818
201012 12 72 18.255 18.150
2011
201101 1 73 21.459 21.280
201102 2 74 19.631 19.465
201103 3 75 22.860 22.786
201104 4 76 21.266 21.104
201105 5 77 23.353 23.112
201106 6 78 22.014 21.769
201107 7 79 20.004 19.814
201108 8 80 20.739 20.627
201109 9 81 18.250 18.110
201110 10 82 18.956 18.873
81
APÊNDICE C – Comparação dos dados simulados do elemento “Recebimento”
- Segunda parte do modelo
(Conclusão)
Ano /Mês Mês Ano Time Dados reais Dados simulados
201111 11 83 18.524 18.465
201112 12 84 18.651 18.547
2012
201201 1 85 20.003 19.745
201202 2 86 19.499 19.335
201203 3 87 22.607 22.471
201204 4 88 21.946 21.800
201205 5 89 22.414 22.275
201206 6 90 20.417 20.238
201207 7 91 20.302 20.065
201208 8 92 20.951 20.804
201209 9 93 18.164 18.109
201210 10 94 20.439 20.309
201211 11 95 19.347 19.296
201212 12 96 16.560 16.407
2013
201301 1 97 22.806 22.810
201302 2 98 18.230 18.174
201303 3 99 20.855 20.773
201304 4 100 22.380 22.484
201305 5 101 22.305 22.437
201306 6 102 20.127 20.130
201307 7 103 21.774 21.604
201308 8 104 19.448 19.402
201309 9 105 19.131 19.178
201310 10 106 19.229 19.367
201311 11 107 18.640 18.751
201312 12 108 16.551 16.666
2014
201401 1 109 23.437 23.751
201402 2 110 19.974 20.098
201403 3 111 20.876 21.040
201404 4 112 21.087 21.384
201405 5 113 23.164 23.488
201406 6 114 20.184 20.421
201407 7 115 22.576 22.859
201408 8 116 19.554 19.631
201409 9 117 19.998 20.198
201410 10 118 20.315 20.652
201411 11 119 17.951 18.173
201412 12 120 19.884 20.135
82
APÊNDICE D – Comparação dos dados simulados do elemento “Amostra
alterada” -Segunda parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
2005
200501 1 1 - -
200502 2 2 232 226
200503 3 3 332 324
200504 4 4 387 378
200505 5 5 391 380
200506 6 6 361 352
200507 7 7 343 334
200508 8 8 417 408
200509 9 9 375 366
200510 10 10 459 448
200511 11 11 254 247
200512 12 12 256 251
2006
200601 1 13 278 268
200602 2 14 259 250
200603 3 15 229 222
200604 4 16 281 271
200605 5 17 276 266
200606 6 18 231 224
200607 7 19 228 221
200608 8 20 223 216
200609 9 21 227 220
200610 10 22 200 194
200611 11 23 164 159
200612 12 24 200 193
2007
200701 1 25 392 375
200702 2 26 313 299
200703 3 27 656 631
200704 4 28 430 412
200705 5 29 577 557
200706 6 30 531 511
200707 7 31 547 524
200708 8 32 682 654
200709 9 33 832 800
200710 10 34 985 942
200711 11 35 944 900
200712 12 36 821 775
2008
200801 1 37 869 829
200802 2 38 664 629
200803 3 39 766 725
200804 4 40 953 899
200805 5 41 897 841
83
APÊNDICE D – Comparação dos dados simulados do elemento “Amostra
alterada” -Segunda parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
200806 6 42 782 740
200807 7 43 576 554
200808 8 44 477 459
200809 9 45 544 523
200810 10 46 475 455
200811 11 47 440 421
200812 12 48 387 372
2009
200901 1 49 504 480
200902 2 50 477 452
200903 3 51 641 616
200904 4 52 519 498
200905 5 53 552 528
200906 6 54 387 369
200907 7 55 531 503
200908 8 56 410 389
200909 9 57 449 431
200910 10 58 419 400
200911 11 59 335 319
200912 12 60 317 303
2010
201001 1 61 375 370
201002 2 62 352 345
201003 3 63 427 421
201004 4 64 405 403
201005 5 65 417 411
201006 6 66 361 357
201007 7 67 411 408
201008 8 68 399 393
201009 9 69 412 408
201010 10 70 413 408
201011 11 71 336 332
201012 12 72 353 348
2011
201101 1 73 375 370
201102 2 74 425 418
201103 3 75 320 317
201104 4 76 307 303
201105 5 77 312 307
201106 6 78 431 424
201107 7 79 410 403
201108 8 80 374 369
201109 9 81 402 395
201110 10 82 368 363
84
APÊNDICE D – Comparação dos dados simulados do elemento “Amostra
alterada” -Segunda parte do modelo
(Conclusão)
Ano /Mês Mês Ano Time Dados reais Dados simulados
201111 11 83 357 353
201112 12 84 322 318
2012
201201 1 85 412 403
201202 2 86 367 361
201203 3 87 531 524
201204 4 88 466 460
201205 5 89 481 474
201206 6 90 401 394
201207 7 91 457 448
201208 8 92 487 479
201209 9 93 475 469
201210 10 94 428 421
201211 11 95 387 383
201212 12 96 340 333
2013
201301 1 97 417 414
201302 2 98 343 339
201303 3 99 358 353
201304 4 100 402 401
201305 5 101 481 480
201306 6 102 599 593
201307 7 103 645 634
201308 8 104 538 531
201309 9 105 511 507
201310 10 106 630 627
201311 11 107 511 508
201312 12 108 460 458
2014
201401 1 109 621 624
201402 2 110 484 482
201403 3 111 422 422
201404 4 112 445 449
201405 5 113 495 500
201406 6 114 467 471
201407 7 115 591 596
201408 8 116 504 504
201409 9 117 506 509
201410 10 118 570 577
201411 11 119 507 511
201412 12 120 527 532
85
APÊNDICE E – Comparação dos dados simulados elementos “Resolução
recoleta” Terceira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
2005
200501 1 1 - -
200502 2 2 277 216
200503 3 3 427 343
200504 4 4 439 344
200505 5 5 433 341
200506 6 6 406 308
200507 7 7 442 318
200508 8 8 505 394
200509 9 9 441 320
200510 10 10 491 377
200511 11 11 400 296
200512 12 12 395 314
2006
200601 1 13 405 308
200602 2 14 396 296
200603 3 15 403 290
200604 4 16 473 356
200605 5 17 477 357
200606 6 18 386 274
200607 7 19 502 370
200608 8 20 509 387
200609 9 21 443 312
200610 10 22 470 355
200611 11 23 431 321
200612 12 24 378 286
2007
200701 1 25 506 459
200702 2 26 364 311
200703 3 27 653 642
200704 4 28 486 412
200705 5 29 635 572
200706 6 30 552 522
200707 7 31 576 550
200708 8 32 741 737
200709 9 33 666 790
200710 10 34 836 1.002
200711 11 35 679 873
200712 12 36 526 650
2008
200801 1 37 692 825
200802 2 38 495 552
200803 3 39 548 611
200804 4 40 643 792
200805 5 41 671 760
86
APÊNDICE E – Comparação dos dados simulados elementos “Resolução
recoleta” Terceira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
200806 6 42 688 814
200807 7 43 586 569
200808 8 44 459 405
200809 9 45 541 540
200810 10 46 649 610
200811 11 47 604 532
200812 12 48 618 589
2009
200901 1 49 862 823
200902 2 50 469 477
200903 3 51 853 880
200904 4 52 683 677
200905 5 53 861 839
200906 6 54 763 750
200907 7 55 982 956
200908 8 56 682 642
200909 9 57 625 590
200910 10 58 488 427
200911 11 59 499 424
200912 12 60 490 434
2010
201001 1 61 618 545
201002 2 62 413 361
201003 3 63 654 594
201004 4 64 509 468
201005 5 65 693 595
201006 6 66 565 480
201007 7 67 627 553
201008 8 68 651 607
201009 9 69 664 607
201010 10 70 666 637
201011 11 71 609 581
201012 12 72 650 655
2011
201101 1 73 767 767
201102 2 74 732 754
201103 3 75 686 648
201104 4 76 601 589
201105 5 77 761 727
201106 6 78 761 784
201107 7 79 653 659
201108 8 80 678 688
201109 9 81 561 588
201110 10 82 645 648
87
APÊNDICE E – Comparação dos dados simulados elementos “Resolução
recoleta” Terceira parte do modelo
(Conclusão)
Ano /Mês Mês Ano Time Dados reais Dados simulados
201111 11 83 648 640
201112 12 84 703 704
2012
201201 1 85 694 697
201202 2 86 632 622
201203 3 87 941 946
201204 4 88 798 825
201205 5 89 938 926
201206 6 90 925 923
201207 7 91 830 871
201208 8 92 880 954
201209 9 93 763 806
201210 10 94 748 742
201211 11 95 650 662
201212 12 96 582 596
2013
201301 1 97 681 718
201302 2 98 556 561
201303 3 99 594 613
201304 4 100 587 634
201305 5 101 631 663
201306 6 102 644 576
201307 7 103 702 664
201308 8 104 713 727
201309 9 105 555 598
201310 10 106 599 600
201311 11 107 549 556
201312 12 108 455 466
2014
201401 1 109 795 838
201402 2 110 589 607
201403 3 111 327 295
201404 4 112 421 361
201405 5 113 489 423
201406 6 114 465 432
201407 7 115 591 508
201408 8 116 567 495
201409 9 117 473 433
201410 10 118 621 639
201411 11 119 496 491
201412 12 120 532 533
88
APÊNDICE F – Comparação dos dados simulados do elemento
“Encaminhamento” -Terceira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
2005
200501 1 1 - -
200502 2 2 27 26
200503 3 3 37 36
200504 4 4 47 45
200505 5 5 48 46
200506 6 6 41 39
200507 7 7 40 38
200508 8 8 48 46
200509 9 9 45 43
200510 10 10 39 38
200511 11 11 30 29
200512 12 12 34 33
2006
200601 1 13 50 48
200602 2 14 24 23
200603 3 15 26 25
200604 4 16 28 27
200605 5 17 34 32
200606 6 18 29 28
200607 7 19 48 46
200608 8 20 36 34
200609 9 21 42 40
200610 10 22 33 32
200611 11 23 28 27
200612 12 24 40 38
2007
200701 1 25 31 29
200702 2 26 22 21
200703 3 27 42 40
200704 4 28 37 35
200705 5 29 48 46
200706 6 30 44 42
200707 7 31 43 41
200708 8 32 25 23
200709 9 33 31 29
200710 10 34 34 32
200711 11 35 31 29
200712 12 36 27 25
2008
200801 1 37 33 31
200802 2 38 26 24
200803 3 39 33 31
200804 4 40 26 24
200805 5 41 39 36
89
APÊNDICE F – Comparação dos dados simulados do elemento
“Encaminhamento” -Terceira parte do modelo
(Continua)
Ano /Mês Mês Ano Time Dados reais Dados simulados
200806 6 42 29 27
200807 7 43 37 35
200808 8 44 27 25
200809 9 45 25 24
200810 10 46 34 32
200811 11 47 32 30
200812 12 48 26 24
2009
200901 1 49 38 36
200902 2 50 35 33
200903 3 51 27 25
200904 4 52 33 31
200905 5 53 34 32
200906 6 54 25 23
200907 7 55 33 31
200908 8 56 22 20
200909 9 57 30 28
200910 10 58 38 36
200911 11 59 23 21
200912 12 60 21 20
2010
201001 1 61 23 22
201002 2 62 27 26
201003 3 63 25 24
201004 4 64 32 31
201005 5 65 25 24
201006 6 66 45 44
201007 7 67 33 32
201008 8 68 31 30
201009 9 69 26 25
201010 10 70 22 21
201011 11 71 35 34
201012 12 72 31 30
2011
201101 1 73 26 25
201102 2 74 32 31
201103 3 75 23 22
201104 4 76 27 26
201105 5 77 15 14
201106 6 78 37 36
201107 7 79 30 29
201108 8 80 30 29
201109 9 81 28 27
201110 10 82 25 24
90
APÊNDICE F – Comparação dos dados simulados do elemento
“Encaminhamento” -Terceira parte do modelo
(Conclusão)
Ano /Mês Mês Ano Time Dados reais Dados simulados
201111 11 83 32 31
201112 12 84 34 33
2012
201201 1 85 43 42
201202 2 86 29 28
201203 3 87 38 37
201204 4 88 30 29
201205 5 89 29 28
201206 6 90 24 23
201207 7 91 30 29
201208 8 92 20 19
201209 9 93 19 18
201210 10 94 27 26
201211 11 95 30 29
201212 12 96 15 14
2013
201301 1 97 28 27
201302 2 98 17 16
201303 3 99 20 19
201304 4 100 17 16
201305 5 101 23 22
201306 6 102 30 29
201307 7 103 26 25
201308 8 104 41 40
201309 9 105 49 48
201310 10 106 96 95
201311 11 107 55 54
201312 12 108 44 43
2014
201401 1 109 45 45
201402 2 110 27 26
201403 3 111 46 46
201404 4 112 41 41
201405 5 113 48 48
201406 6 114 50 50
201407 7 115 67 67
201408 8 116 72 71
201409 9 117 58 58
201410 10 118 55 55
201411 11 119 55 55
201412 12 120 50 50
Recommended