- Universidade do Sul de Santa Catarina Unidade Acadmica Tecnologia Pesquisa Operacional II

Profo. Ricardo Villarroel Dvalos, Dr. Eng.

Palhoa, Maro de 2010

2 - Universidade do Sul de Santa Catarina

Sumrio

1.0 TEORIA DAS FILAS .................................................................................................... 3 1.1 UMA INTRODUO PESQUISA OPERACIONAL ......................................... 3 1.2 ASPECTOS GERAIS DA TEORIA DAS FILAS .................................................... 4 1.2 CARACTERSTICAS DE UMA FILA .................................................................... 6 1.3 LOCALIZAO DAS VARIVEIS RANDMICAS (ALEATRIAS)............. 10 1.4 O MODELO DE FILA M/M/1 ................................................................................ 13 1.5 O MODELO M/M/c ................................................................................................ 20 REFERNCIAS .................................................................................................................. 26

Pesquisa Operacional II

3 - Universidade do Sul de Santa Catarina

1.0 TEORIA DAS FILAS

1.1 UMA INTRODUO PESQUISA OPERACIONAL A Pesquisa Operacional (PO) uma cincia aplicada cujo objetivo a melhoria da performance em organizaes, ou seja, em sistemas produtivos usurios de recursos materiais, financeiros, humanos e ambientais (os chamados "meios de produo"). Ela trabalha atravs da formulao de modelos matemticos a serem resolvidos com o auxlio de computadores, sendo feita em seguida a anlise e a implementao das solues obtidas. Dessa forma, a tcnica precedida pela modelagem e seus resultados so sujeitos anlise de sensibilidade. A modelagem tem muito de arte e exige o desenvolvimento de uma capacidade (em grande parte no lgica) de interao com o problema, seus agentes e seu meio ambiente. O modelo matemtico, que uma simplificao, dificilmente pode levar em conta muitos aspectos no qualificveis que aparecem no exame do problema e por isso a anlise de sensibilidade deve ser realizada para avaliar o seu significado e a sua influncia. Enfim, a implementao da deciso reata o contato com a realidade do problema e com o meio no qual ele se encontra inserido. O campo de atuao da PO se estende da produo de matrias-primas e bens de consumo ao setor de servios e s aplicaes de interesse social como as relacionadas sade, educao e psico-sociologia, no que concerne a modelos organizacionais e descritivos. Esta multiplicidade de aplicaes aponta para a necessidade de se evitar a estreiteza da especializao, o que levou a rea a adotar uma orientao metodolgica, facultando a seus alunos, tanto como a seus docentes/pesquisadores, uma ampla gama de oportunidades em termos de novos problemas. Esta orientao foi adotada no trabalho didtico associado formao de mestres, resultando da uma formao bastante ecltica que procura abranger os diversos aspectos do mercado de trabalho no que se refere ao instrumental terico. A PO tem sido grandemente empregada em organizaes governamentais (federais, estaduais e municipais), militares e de utilidade pblica (como escolas, sindicatos, hospitais e bibliotecas). Torna-se cada vez mais comum seu emprego em reas das mais variadas. A seguir alguns dos problemas que tm sido resolvidos por tcnicas particulares da PO: - PROGRAMAO LINEAR: tem sido usada com sucesso na soluo de problemas relativos alocao de pessoal, mistura de materiais, distribuio, transporte, carteira de investimento. - TEORIA DAS FILAS: tem tido aplicao na soluo de problemas relativos a congestionamento de trfego, mquinas de servios sujeitas a quebra, determinao do nvel de uma fora de servio, programao do trfego areo, projetos de represas, programao de produo e operao de hospitais. - SIMULAO: tem sido aplicada tambm com sucesso a reas como programao de produo, transportes, negcios, comunicaes, bancos, escritrios, supermercados, redes de computadores, etc. Outras tcnicas de pesquisa operacional, tais como teoria de estoque, teoria dos jogos e programao dinmica, tambm tm sido aplicadas com sucesso a diversos contextos.

Pesquisa Operacional II

4 - Universidade do Sul de Santa Catarina 1.2 ASPECTOS GERAIS DA TEORIA DAS FILAS A teoria das filas um mtodo analtico que aborda o assunto por meio de formulas matemticas. J a simulao uma tcnica que, usando o computador digital, procura montar um modelo que melhor represente o sistema em estudo. A abordagem matemtica de filas se iniciou no princpio do Sculo XX (1908) em Copenhague, Dinamarca, com A. K. Erlang, considerado o pai da Teoria das Filas, quando trabalhava em uma companhia telefnica . Foi somente a partir da segunda guerra mundial que a teoria foi aplicada a outros problemas de filas. Apesar do enorme progresso alcanado pela teoria, inmeros problemas no so adequadamente resolvidos por causa de complexidades matemticas (PRADO, 2004). A teoria das filas envolve o estudo matemtico das filas ou linhas de espera. A formao de filas excede a capacidade de fornecer aquele servio. Os modelos matemticos se tornam complexos porque normalmente utilizam ferramentas que envolvem um tratamento estatstico ou estocstico. Fornecer uma capacidade excessiva de atendimento gera ociosidade, fornecer um atendimento deficitrio gera insatisfao, perda de clientes, perda de produo; tudo isto leva a uma relao muito forte entre as condies de um sistema de filas e a minizao dos custos no atendimento do mesmo. O estudo de sistemas de filas tem larga utilidade: a) No planejamento e controle da produo. b) No dimensionamento de sistemas de armazenamento. c) Nos sistemas de transportes. d) Nos sistemas de trfego (rodo-porto-areo-ferrovirio). e) Na manuteno de mquinas. f) em qualquer sistema em que seja provvel a formao de filas para determinado atendimento. g) Nos sistemas de sade. h) Sistemas comerciais. A figura a seguir ilustra os elementos que compem uma fila. Nela pode-se observar que uma certa populao, surgem clientes que formam fila e que aguardam por um certo tipo de servio. O termo cliente usado de uma forma genrica e pode designar tanto uma pessoa, um navio ou um lingote. O atendimento constitudo de um ou mais servidores (que podem ser chamados de atendentes ou canais de servio) e tanto pode designar um barbeiro, um vendedor ou uma mquina.

SISTEMA DE FILAS

MECANISMO Populao clientes de clientes chegando CLIENTES FILA DE ATENDIDOS ATENDIMENTO

Pesquisa Operacional II

5 - Universidade do Sul de Santa Catarina Observaes: a) A populao de clientes pode ser finito ou infinito; b) Os clientes podem chegar um de cada vez ou em blocos; c) A fila pode ter capacidade finita ou infinita; d) O mecanismo de atendimento pode ter um posto ou vrios, paralelos; e) O sistema engloba os clientes da fila e os clientes em atendimento. Em resumo, o esquema tpico de um sistema de filas ilustrado pela figura a seguir.

fila

Servidor 1 Servidor 2 Servidor n

Populao de clientes As figuras a seguir ilustram os tipos de atendimento em filas.

a)

b)

c)

Pesquisa Operacional II

6 - Universidade do Sul de Santa Catarina

d)

1.2 CARACTERSTICAS DE UMA FILA Clientes e tamanho da populao: Um cliente proveniente de uma populao. Quando uma populao muito grande, a chagada de um novo cliente a uma fila no afeta a taxa de chegada de clientes subseqentes e conclui-se dizendo que as chegadas so independentes. Quando a populao pequena, o efeito existe e pode ser considervel. Populao infinita => Chegadas independentes Populao finita => Chegadas interdependentes Processo de chegadas: Representa o ritmo de chegadas para a realizao de uma atividade e para quantificar as variveis randmicas (aleatrias) envolvidas podemos definir: = Ritmo de chegada (exemplo: 4 clientes por minuto) IC = Intervalo mdio entre chegadas (exemplo: 12 segundos) No basta fornecer valores mdios, necessrio tambm mostrar como os valores se distribuem em torno da mdia, i.e., qual distribuio de probabilidades rege o processo. Um tipo raro de processo de chegada o regular, ou seja aquele em que no existe nenhuma variao entre valores para os intervalos de chegada. Esta situao ocorre apenas em processos altamente automatizados Processo de atendimento: Representa a realizao da atividade e este processo quantificado pelas variveis randmicas (aleatrias) definidas a seguir: = Ritmo de atendimento TA = Tempo de atendimento Nmero de servidores (c): Quantidade de servidores que atendem aos clientes. Disciplinas das filas: Trata-se de uma regra que define qual o prximo a ser atendido e o comum que o primeiro da fila atendido ou, de uma maneira mais ampla, o primeiro em chegar o primeiro a ser atendido (em ingls, diz-se FIFO: First in, first out). Outras disciplinas podem podem existir, tais como ltimo a chegar primeiro a ser atendido (em ingls diz-se LIFO: Last in, first out), servio por ordem de prioridade, servio randmico (atendimento aleatrio), etc. Portanto, uma caracterstica do cliente pode definir sua prioridade de atendimento Tamanho mdio e mximo da fila (TF): Quando os clientes devem esperar, alguma rea de espera deve existir (por exemplo: as cadeiras de uma barbearia). O Tamanho Mdio da Fila representa o nmero de clientes que esperam para ser atendidos ou a mdia que permanecem na fila.

Pesquisa Operacional II

7 - Universidade do Sul de Santa Catarina Observa-se que, os diversos sistemas existentes so dimensionados para uma certa quantidade mxima de clientes em espera (Tamanho Mximo de Fila) e que se um novo cliente que chega ultrapassar esta quantidade mxima pode ser recusado, devendo tentar novamente em outro instante (exemplo: tentativa de conseguir linha telefnica). Observa-se que se e so constantes => o tamanho da fila oscila em torno de um valor mdio. Se < a fila aumentar indefinidamente. Tempo mdio de espera (TF): Esta outra caracterstica capaz de nos causar irritao quando estamos em uma fila de espera. Representa o tempo mdio de espera na fila para ser atendido e tambm depende dos processos de chegada e atendimento: TF = f ( , ) Variveis aleatrias: Quando nos referimos a filas, utilizamos variveis randmicas (aleatrias), assim para as principais variveis existe um valor mdio e uma distribuio de probabilidades. Como um exemplo, a figura a seguir ilustra o tempo de chegada que segue uma distribuio uniforme e ela pode ser encontrada mediante um nmero aleatrio ou probabilidade definida.

Tempo de Chegada
1 0,875 0,75 0,625 0,5 0,375 0,25 0,125 0 1 2 3 4 5 6 S1 7 8

N m ero aleat rio

Tempo

Dinmica de uma fila: Imagine-se agora comodamente instalado em uma poltrona dentro de um banco, com a finalidade de observar o funcionamento da fila formada por pessoas que desejam realizar o financiamento de um veculo. Chegada No perodo de media hora voc verificou que chegaram ao sistema (banco) 12 pessoas. Os intervalos entre chegadas, a partir do instante zero, foram coletados em minutos e estes se encontram definidos na tabela a seguir. Cliente 1 2 3 4 5 6 7 8 9 10 11 12

Pesquisa Operacional II

8 - Universidade do Sul de Santa Catarina Intervalo 2 Momento 3 3 6 3 9 3 5 0 12 17 17 1 5 18 23 1 4 24 28 1 29 2 31

A linha intervalo representa a freqncia de chegada dos clientes. A linha momento representa o instante de chegada do novo cliente, obtido a partir de acumulaes da linha intervalo acrescido de 1 apenas no primeiro cliente, para significar o inicio do prximo intervalo de tempo. Assim o primeiro cliente chegou no incio do 3o minuto, o segundo a partir do 6o sexto minuto. (marcado no relgio). O valor mdio dos intervalos acima 2,5 minutos e, portanto, o sistema acima funcionou com um ritmo mdio de 24 chegadas por hora. Ou seja: = 24 clientes por hora IC = 2,5 minutos Atendimento Por outro lado, os dados anotados para cada atendimento se encontram na tabela a seguir. Cliente Durao 1 1 2 2 3 1 4 1 5 3 6 2 7 1 8 4 9 2 10 3 11 1 12 3

O valor mdio dos dados acima 2,0 minutos e, portanto, podemos dizer que o servidor tem uma capacidade de atender 30 clientes por hora. = 30 clientes por hora TA = 2,0 minutos Tempo de espera de cada cliente Finalmente o sistema funcionou conforme a tabela a seguir. Cliente Intervalo Momento Durao Tempo na fila 1 2 3 1 0 2 3 6 2 0 3 3 9 1 0 4 5 3 5 12 17 1 3 0 0 6 0 17 2 3 7 1 18 1 4 8 5 23 4 0 9 1 24 2 3 10 4 28 3 1 11 1 29 1 3 12 2 31 3 2

Veja que por exemplo o quinto cliente (vermelho) chegou ao banco no incio do 17o minuto e seu atendimento durou 3 minutos (portanto encerrou no final do 19o minuto). O sexto cliente (roxo) chegou ao banco simultaneamente com o quinto cliente no 17o minuto e, ento, esperou na fila at completar o atendimento do quinto cliente (3 minutos), o que ocorreu no final 19o minuto. Ento no incio do 20o minuto, foi iniciado o atendimento do sexto cliente, que se estendeu at o final do 210 minuto. O stimo cliente (cinca) chega no minuto 18o e fica durante 4 minutos aguardando na fila, at ser atendido no minuto 22. A tabela a seguir ilustra esta dinmica das filas.

Durao Fila Fila Tempo Cliente

1 1 17 5

1 1 1 18 5

1 1 1 19 5

1 1 20 6

1 1 21 6

22 7

23 8

24 8

25 8

26 8

Podemos ento concluir que: Pesquisa Operacional II

9 - Universidade do Sul de Santa Catarina Total de clientes atendidos: 12 Tempo Mdio de Fila (TMF): (3+4+3+1+3+2)/12 = 16/12 = 1,33 minutos

Sistemas estveis: Sistema estvel aquele em que e se mantm constantes ao longo do tempo. Se e so estveis, a anlise do comportamento do sistema pela teoria das filas s possvel se retalharmos o perodo de tempo, o que torna a anlise muito mais complexa. Tamanho da amostra: Um estudo sobre um sistema estvel, apresentar sempre os mesmos resultados desde que adequadamente analisado. O tamanho da amostra fundamental. Tipos de filas: 1 fila e 1 servidor 1 fila e n servidores m filas e n servidores filas especiais (ex: caixas expressos de supermercados) filas que seguem uma alterao dinmica do sistema de atendimento A seguir algumas representaes destes tipos de filas.

Pesquisa Operacional II

10 - Universidade do Sul de Santa Catarina

1.3 LOCALIZAO DAS VARIVEIS RANDMICAS (ALEATRIAS) A seguir a localizao das variveis considerando o sistema apresentado na figura, em situao estvel, na qual clientes chegam e entram na fila e, existem c servidores para atend-los.

Variveis referentes ao Sistema TS=Tempo Mdio de Permanncia no Sistema NS=Numero Mdio de Cliente no Sistema Variveis referentes ao Processo de Chegada = ritmo mdio de chegada IC=intervalo mdio entre chegadas Por definio IC=1/ Variveis referentes Fila TF=Tempo Mdio de Atendimento ou de servio NF=Nmero Mdio de Clientes na Fila Variveis Referentes ao Processo de Atendimento TA=Tempo Mdio de Atendimento ou de Servio c=Quantidade de atendentes NA=Nmero Mdio de Clientes que esto sendo atendidos = ritmo mdio de atendimento de cada atendente. Por definio: TA= 1/

Pesquisa Operacional II

11 - Universidade do Sul de Santa Catarina Relaes bsicas NS = NF + NA (Nmero mdio de clientes no sistema) TS = TF + TA (Tempo mdio de permanncia no sistema) Pode-se demonstrar tambm que: NA=/ = TA/IC (nmero mdio de clientes que esto sendo atendidos) Portanto: NS=NF+NA=NF+/=NF+TA/IC Taxa de Utilizao dos Atendentes Para o caso de uma fila/um atendente =/ Para o caso de uma fila/vrios atendentes =/c, onde c o nmero de atendentes Intensidade de Trfego ou Nmero mnimo de Atendentes i= |/| = |TA/IC| onde: i o prximo valor inteiro (absoluto), que representa o nmero mnimo de atendentes necessrio para atender a um dado fluxo de trfego (exemplo: / = 2,5 i=3 erlangs, em homenagem a A. K. Erlang). Frmulas de Little J. D. C. Demonstrou que para um sistema estvel de filas, temos: NF = .TF NS = .TS Resumo das Formulas A tabela a seguir apresenta um resumo das formulas estudadas at agora. Nome Intervalo entre chegadas Tempo de atendimento Taxa de utilizao dos atendentes Intensidade de trfego Relaes entre fila, Sistema e atendimento Frmula IC=1/ TA= 1/ =/c i= |/| = |TA/IC| NS = NF + NA NA=/ = TA/IC NS=NF+NA=NF+/=NF+TA/IC TS = TF + TA NF = .TF NS = .TS

Formulas de Little

Postulados bsicos

Pesquisa Operacional II

12 - Universidade do Sul de Santa Catarina A seguir so apresentados alguns postulados bsicos que se aplicam aos sistemas de filas, no qual existe estabilidade, ou seja, menor que em todas as estaes de trabalho.

Pesquisa Operacional II

13 - Universidade do Sul de Santa Catarina Exemplo 1: Em uma fbrica observou-se o funcionamento de um dado setor, em que =20 clientes por hora, =25 clientes por hora e TS = 0,3 hora. Pede-se o tamanho mdio da fila. Soluo: TA = 1/ = 1/25 = 0.04 Horas TF = TS TA = 0,3 - 0,04 = 0,26 Horas NF = *TF = 20*0,26 = 5,2 clientes Exemplo 2: Para o mesmo sistema acima, calcular NS e NA Soluo: NS = *TF = 20*0,3 = 6 clientes NA = NS NF = 6 5,2 = 0,8 cliente

Exemplo 3: Em uma minerao, cada caminho efetua um ciclo onde carregado de minrio por uma das carregadeiras, desloca-se para o britador para o descarregamento e retorna s carregadeiras. Verificou-se que o tempo mdio (TS) dos caminhes junto as carregadeiras de 12 minutos e que, em mdia, existem 6 caminhes (NS) no setor. Qual a taxa de chegada de caminhes? (veja figura a seguir a ilustrao dos caminhes na minerao).

Soluo: Considerando o espao do britador como o sistema de estudo e pela lei de Little: NS = .TS ou =NS/.TS = 6/12 = 0,5 chegadas por minuto

1.4 O MODELO DE FILA M/M/1

Pesquisa Operacional II

14 - Universidade do Sul de Santa Catarina A notao de Kendall (David Kendall) define os modelos de fila: Modelo de fila A/B/c/K/m/Z onde: A = distribuio dos intervalos entre chegadas B = distribuio dos tempo de servio c = quantidade de servidores (atendentes) K = capacidade max. do sistema m = tamanho da populao Z = disciplina da fila A notao condensada A/B/c muito usada e se supe que no h limite para o tamanho da fila, a populao infinita e a disciplina FIFO. Para A e B, quando a distribuio for exponencial negativa, usa-se M (Marcoviana). Modelo de fila que tanto as chegadas quanto o atendimento so marcovianos, i.e., seguem a distribuio de Poisson (p/ ritmos) ou Exponencial negativa (p/ intervalos). Alm disso, existe apenas um servidor. A seguir uma ilustrao da funo de distribuio de probabilidade Poisson que registra o nmero de ocorrncias sobre um intervalo de tempo.

A seguir uma ilustrao da funo de distribuio de probabilidade Exponencial Negativa: Acima funo densidade e abaixo funo cumulativa.

Pesquisa Operacional II

15 - Universidade do Sul de Santa Catarina

Para um sistema que tem a estrutura da figura a seguir so vlidas as definies estudadas anteriormente (, , IC, TA).

Populao Infinita: O Modelo M/M/1 Quando temos uma populao infinita de clientes, as seguintes formulas tratam as principais variveis.

Pesquisa Operacional II

16 - Universidade do Sul de Santa Catarina

Chamamos de TAXA de UTILIZAO a relao entre o ritmo mdio de chegada e o ritmo medo de atendimento.

=/
Conforme vimos anteriormente, sistemas estveis exigem menor que ou < 1. Quando tende para 1 a fila tende a aumentar infinitamente, conforme mostramos a seguir.

A expresso anterior nos permite concluir facilmente que, se = temos = 1 e o tamanho da fila infinito, conforme ilustrado na figura a seguir..

Pesquisa Operacional II

17 - Universidade do Sul de Santa Catarina Exemplo 1 Suponhamos que as chegadas a uma cabine telefnica obedeam a lei de Poisson, com ritmo de 6 chegadas por hora. A durao mdia do telefonema de 3 minutos e suponhamos que siga a distribuio exponencial negativa. Pede-se: a) Qual a probabilidade de uma pessoa chegar cabine e no ter que esperar? Pelos dados temos: =6 chegadas hora. Portanto IC = 10 minutos TA = 3 minutos. Portanto = 20 atendimentos/ hora Po = 1 / = 1 6/20 = 0,7 Ou seja, existe uma probabilidade de 70% de que uma pessoa, ao chegar, no encontre ningum no sistema e possa utilizar imediatamente o telefone. O complemento deste valo (30%) significa a probabilidade de uma pessoa esperar. Assim o telefone fica ocupado 30% do tempo e fica 70% do tempo ocioso. b) Qual o nmero mdio de pessoas na fila? NF = 2 / (-) = (6*6)/(20(20-6)) = 0,128 c) Qual o nmero mdio de pessoas no sistema? NS = (-) = 0,428 d) Qual o nmero mdio de clientes usando o telefone? NA = NS NF = 0,48 0,128 = 0,3 e) Qual o tempo mdio de fila? TF = / (-) = 6/20(20-6) = 0,021 hora = 1,28 minutos Para qual ritmo de chegada teramos a situao em que o tempo mdio de espera na fila seria de 3 minutos? TF = / (-), para TF = 3 minutos ou TF = 0,05 hora e mantendo o mesmo = 20 clientes hora, temos: = TF* 2 / (1+ *TF) = 10 chegadas/hora g) Qual a frao do dia durante a qual o telefone est em uso? A frao do dia durante a qual o telefone est em uso exatamente igual a (1-Po), isto , a probabilidade de que existam pessoas no sistema. Conforme calculado no primeiro item este valor 30%. Exemplo 2 Uma fbrica possui um depsito de ferramentas onde os operrios vo receber as ferramentas especiais para a realizao de uma determinada tarefa. Verificou-se que o ritmo de chegada ( = 1 chegada/minuto) e o ritmo de atendimento(=1,2 atendimentos por minuto) seguem o modelo marcoviano M/M/1. A fbrica paga $9,00 por hora ao atendente e $18,00 ao operrio. Pede-se: a) O custo horrio de sistema O custo horrio do sistema igual a soma do custo horrio do atendente com o custo horrio dos operrios que, por ficarem no sistema (na fila sendo atendidos pelo servidor), f)

Pesquisa Operacional II

18 - Universidade do Sul de Santa Catarina no esto produzindo em seus postos de trabalho. Para calcularmos este ltimo devemos conhecer o nmero mdio de clientes no sistema (NS). NS = /( - ) = 1/(1,2 -1) = 5 Portanto: Custo horrio = Custo atendente + Custo operrios = 9 + 5* 18 = $ 99,00 b) A frao do dia em que o atendente no trabalha. A frao do dia durante a qual o atendente no trabalha igual ao valor da probabilidade de no existir nenhum operrio no sistema: Po = 1 / = 0,16 ou 16% Exemplo 3 Uma empresa deseja contratar um reparador para efetuar manuteno em suas mquinas, que estragam a um ritmo de 3 falhas por hora. Para tal possui duas opes: um reparador lento, que capaz de consertar a um ritmo de 4 falhas por hora ou um reparador rpido, que capaz de consertar a um ritmo mdio de 6 falhas por hora. O salrio/hora do reparador lento $3,00 e do reparador rpido $5,00. O custo de uma mquina parada $5,00. Pede-se qual a contratao que deve ser efetuada para que o custo total (reparador mais mquinas paradas) seja mnimo? Reparador Lento NS = /( - ) = 3/(4-3) = 3 mquinas Custo das mquinas = 3* 5 = $ 15,00 Custo do reparador = $ 3,00 Custo total = $ 18,00 Reparador rpido NS = /( - ) = 3/(6-3) = 1 mquinas Custo das mquinas = 1* 5 = $ 5,00 Custo do reparador = $ 5,00 Custo total = $ 10,00 Comparando, vemos que o reparador rpido, apesar de ter um custo maior, implica um custo total menor. Exemplo 4 Em um sistema de filas seqenciais, conforme figura a seguir, calcule as filas que se formam em cada servidor.

Pesquisa Operacional II

19 - Universidade do Sul de Santa Catarina

Fila Fabricao Inspeo Reparo

10 10 2

15 30 20

NF 1,54 0,17 0,01

Para encontrar o NF foi utilizada NF = 2 / (-)

Populao finita: O Modelo M/M/1/K Um caso particular e bastante encontrado na vida prtica. Exemplo, uma minerao com 1 escavadeira e a alguns caminhes. Considerando =8 e =10. Na seguinte figura ilustrado o tamanho mdio da fila (calculado pela primeira frmula definida na tabela a seguir) em funo do tamanho da populao de caminhes (se a populao fosse infinita, teramos NF = 3,2).

NF

Tamanho da populao K

Pesquisa Operacional II

20 - Universidade do Sul de Santa Catarina

Na tabela a seguir, representa a quantidade finita de clientes que esto percorrendo o sistema.

1.5 O MODELO M/M/c O modelo M/M/c apresenta uma nica fila e diversos servidores e, tanto a chegada como o atendimento so marcovianos (isto , seguem a Distribuio de Poisson ou da Distribuio Exponencial negativa). A figura a seguir ilustra a estrutura deste modelo.

Para um sistema que tem a estrutura da figura a anterior so vlidas as definies estudadas anteriormente (, , IC = 1/, TA e c = capacidade de atendimento).

Pesquisa Operacional II

21 - Universidade do Sul de Santa Catarina Populao finita: O Modelo M/M/c As frmulas para o modelo M/M/c so complexas e difceis de serem manipuladas e, assim a preferncia generalizada pelo uso de grficos. A seguir uma ilustrao destes grficos.

Pesquisa Operacional II

22 - Universidade do Sul de Santa Catarina Geralmente so utilizados grficos (como os ilustrados anteriormente) para se obter o nmero mdio de clientes na fila (NF) em funo do fator de utilizao e tendo como parmetro a quantidade de servidores c. A taxa de utilizao : = /c Aps o uso dos grficos, as outras variveis podem ser obtidas pelas frmulas de Little: TF=NF/ e TS=NS/ A tabela a seguir apresenta as frmulas das diferentes variveis.

Pesquisa Operacional II

23 - Universidade do Sul de Santa Catarina Exemplo 1 Uma fbrica possui um depsito de ferramentas onde os operrios vo receber as ferramentas especiais para a realizao de uma determinada tarefa. Verificou-se que o ritmo de chegada ( = 1 chegada/minuto) e o ritmo de atendimento(=1,2 atendimentos por minuto) seguem o modelo marcoviano M/M/1. A fbrica paga $9,00 por hora ao atendente e $18,00 ao operrio. Pede-se: O custo horrio de sistema e a frao do dia em que o atendente no trabalha. Este exemplo j foi solucionado anteriormente e o resultado que deu foi que o custo horrio de um sistema com um atendente (=1 e =1,2), sendo $9,00 o custo horrio do atendente e $18,00 o custo horrio do operrio parado. Podemos agora acrescentar diversos atendentes at chegar ao custo mnimo. Isto feito na tabela montada a seguir, pelo qual deduzimos que a melhor escolha reside em 2 atendentes. c 1 2 3 4 5 0,833 0,417 0,277 0,208 0,167 NS 5 1 0,7 0,6 0,59 Custo dos atendentes [$] 9 18 27 36 45 Custo dos operrios [$] 90 18 12,6 10,8 10,62 Custo total [$] 99 36 39,6 46,8 55,62

Exemplo 2 No sistema de filas seqenciais descrito na figura abaixo, admita que o ritmo de chegada tenha crescido para =25 peas por minuto, calcule a quantidade de servidores de cada estao de trabalho tal que o tamanho da fila correspondente (NF) seja menor que 1.

Pesquisa Operacional II

24 - Universidade do Sul de Santa Catarina

C 1 2 3

Produo =25 e 0,83 0,55

=15 NF 3,5 0,5

Inspeo =25 e 0,83 0,41

=30 NF 4,16 0,2

Reparo =25 e 0,25

=15 NF 0,09

Concluso: A quantidade de servidores que atende solicitao : Produo = 3; Inspeo 2 e Reparo = 1.

Populao finita: O Modelo M/M/c/K Analogamente as consideraes anteriores para a populao finita com um nico atendente, podemos afirmar que tambm aqui ocorre o mesmo: comum encontrarmos situaes de mltiplos atendentes com populao finita. A tabela a seguir apresenta as frmulas das diferentes variveis.

Pesquisa Operacional II

25 - Universidade do Sul de Santa Catarina

Tendo em vista a complexidade matemtica, no iremos nos estender nesta abordagem, a qual pode, entretanto, ser vista com simplicidade na tcnica simulao de sistemas que ser abordada no prximo captulo.

Pesquisa Operacional II

26 - Universidade do Sul de Santa Catarina REFERNCIAS

CHWIF, L.; MEDINA, A. Modelagem e Simulao de Eventos Discretos: Teoria & Prtica, So Paulo: Bravarte, 2006. FREITAS FILHO, P. J. Introduo modelagem e simulao de sistemas, Florianpolis: Visual Books, 2008. PRADO, S. H. Teoria das filas e da Simulao. Belo Horizonte: Desenvolvimento Gerencial, 2004. SALIBY, E. Repensando a simulao: A amostragem descritiva. So Paulo: Atlas, 1989.

Pesquisa Operacional II