Beruflich Dokumente
Kultur Dokumente
Pesquisa Operacional
Sumrio
Introduo
Estrutura de um Sistema de Filas
Caractersticas Bsicas
Notao de Kendall
Medidas de Desempenho de Sistemas de Filas
Tipos de Sistemas de Filas
Estatstica e Sistemas de Filas
Problemas de Deciso em Sistemas de Filas
Processos de Nascimento e Morte (P-N-M)
Modelos Markovianos
Exerccios
Introduo
Objetivo:
Desenvolvimento de modelos matemticos para permitir
prever o comportamento de Sistemas de Prestao de
Servios (Sistemas de Filas).
Motivao:
Possibilidade de testar possveis modificaes em Sistemas
de Filas que contribuam para melhorar seu rendimento, e
obter subsdios para escolha da melhor alternativa de ao.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Processo de
Chegadas
Capacidade do Sistema
Tamanho
da
Populao
Processo de
Atendimento
Disciplina de
Atendimento
Caractersticas Bsicas
Processo de Chegadas: Quantos clientes solicitaram
servio em [0, t]?
Caracterizado pela distribuio de probabilidades dos
intervalos entre chegadas consecutivas (ou pela
distribuio de probabilidades do nmero de chegadas
em intervalos disjuntos).
Chegadas podem ser individuais ou em grupos.
Caso importante: Nmero de Chegadas segue um
Processo de Poisson com mdia de chegadas .
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Caractersticas Bsicas
Processo de Atendimento: Quanto tempo demora o
atendimento?
Caracterizado pela distribuio de probabilidades da durao
do atendimento (ou distribuio de probabilidades do nmero
de atendimentos em intervalos disjuntos). .
A estao de servios pode ser formada por um ou mais
servidores.
Atendimento pode ser individual ou em grupos.
Caso importante: durao do atendimento uma varivel
aleatria com distribuio de probabilidades dada por uma
exponencial negativa com mdia 1/.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Caractersticas Bsicas
Tamanho da Populao: Finita ou Infinita
Capacidade do sistema: Quantos clientes podem estar no sistema
(fila + posies de atendimento) ao mesmo tempo.
Disciplina de Atendimento: - Forma como os clientes so
selecionados da fila para serem atendidos. Tipos: FIFO, LIFO,
FEFO, com prioridades, aleatria.
Modelos sofisticados:
Troca de filas
Desistncias
Redes de filas
Atendimento/chegada dependente do tamanho da fila
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Notao de Kendall
Fila Campo I/Campo II/Campo III/Campo IV/Campo V/Campo VI
com
Campo I - informao sobre a distribuio de probabilidades dos intervalos
entre chegadas (D, M, EK ,G);
Campo II - informao sobre a distribuio de probabilidades dos tempos de
atendimentos (D, M, EK ,G);
Campo III - informao sobre o nmero de atendentes (em paralelo) para a
fila;
Campo IV - informao sobre a capacidade do sistema;
Campo V - informao sobre o tamanho da populao;
Campo VI - informao sobre a disciplina de atendimento.
Exemplo: Fila M/M/3/20/300/LIFO com = 3/h e = 5/h.
Obs: Quando capacidade do sistema e o tamanho da populao puderem ser
admitidas como sendo , e a disciplina for a FIFO os Campos IV, V , VI
podem ser omitidos.
9
10
11
12
13
14
15
16
Eventos em t
Probabilidades
n-1
1 nascimento
(1)
n+1
1 morte
(2)
Nenhum
Pn(t).( 1 - nT - nT + o(t)).
Outro
Mltiplos
O(t).
Pn(t + t) =
Pesquisa Operacional - UNESP / Campus de Guaratinguet
(3)
(4)
para n = 0
0 = 1P1 - 0 P0
Pesquisa Operacional - UNESP / Campus de Guaratinguet
(A)
(B)
18
(C)
(D)
n 1 n 2 ... 0
Pn 1
P0
n n 1 1
Pesquisa Operacional - UNESP / Campus de Guaratinguet
19
P
n 0
1 ou seja P0 + Pn = 1
n =1
Pn
i 0
n
P0
j 1
P0 =
n 1
1+
i, j =1
i 0
n
j 1
20
Modelos Markovianos
1. Fila M/M/1
2. Fila M/M/S
3. Fila M/M/1/N*
4. Fila M/M/S/N*
5. Fila M/M/1 com populao finita p
6. Fila M/M/S com populao finita p
Obs: No livro texto h 9 modelos descritos.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
21
Modelo M/M/1
Como no h limitao para a formao de fila, e a populao
infinita, tem-se: n= e n= para todo n = 0, 1, 2, 3... Assim:
P0
1 +
i =1
i 0
1
1
1-
=1-
para
< 1.
n 1
Pn P
i 0
0
n
= P0
para n > 0
j 1
22
Modelo M/M/1
Defina = / como o fator de utilizao ou congestionamento do
Sistema de Filas. Tem-se ento:
Pn= n(1- ) para n = 0, 1, 2, 3,...
Clculo do nmero mdio de clientes no sistema:
L S nP n =
-
n =0
2
LQ (n - 1)Pn =
( - )
n =1
23
Modelo M/M/1
Utilizando-se a Frmula de Little (1961) LS, Q = WS, Q, tem-se:
WQ
24
Modelo M/M/S
Neste caso o modelo de filas tem s servidores em paralelo para
atendimento dos clientes:
Onde = taxa mdia de atendimento/servidor
n = para n = 0, 1, 2, 3...
n se 0 n S
n
S se n S
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelo M/M/S
Para este sistema tem-se: com = /s < 1
S 1
P0 =
n!
n 0
-1
1
+
S! 1 -
PN =
P 0
se 0 n S
n!
n
P 0
n -S
se n > S
S!
S
26
27
Modelo M/M/S
S
P
0
LQ n - SPn
S!1
n =S
Frmula C de Erlang
WQ= LQ/
WS= WQ + 1/
P0
C S , Pn
S!1
n =S
LS = LQ + /
Obs: ver Diagrama 2 com valores de LS para S = 1, 2, 3, 4, 5,
7, 10, 15, 20, 25.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
28
29
FILA M/M/1/N*
Processo de Chegadas: Poisson, taxa
Tempo de Servio: Exponencial, taxa
Nmero de Atendentes: 1
Capacidade do Sistema: N*
30
FILA M/M/1/N*
a) A restrio de capacidade pode surgir ou por uma restrio
fsica do sistema ou por iniciativa do cliente.
b) Como existe essa restrio de capacidade, neste caso temse:
, se n = 0,1,..., N * -1
n
0 , se n N *
e n
para n 1,2,...
31
FILA M/M/1/N*
c)
P0
1
N*
n0
N * 1
1
1 N * 1
32
FILA M/M/1/N*
1 n
Pn
N * 1
1
N*
L nP
n
n0
para
n 0,1,2,..., N *
N * 1
1
1 N * 1
N *1
L q L 1 P0
33
1 PN * 1 PN *
Pesquisa Operacional - UNESP / Campus de Guaratinguet
34
FILA M/M/S/N*
Observao: para N * S
, se 0 n N *1
n
0, se n N *
n , se 0 n S
n
S , se S 1 n N *
n
P , se n 0 ,1,..., S 1
n! 0
Pn
S n
S P0 , se n S ,..., N *
S!
0 , se n N *
35
FILA M/M/S/N*
S S 1 N * S 1 S 1 S n 1
,
S!1
n!
n 0
P0
n 1
S 1
S S
S
N
*
S
1
,
n!
n 0
S!
se
se
S S P0
N * S 1
N * S
N
S
1 ,
1
*
1
2
Lq S!1S
S P0 N S 1N * S
,
S!
2
se 1
se 1
36
FILA M/M/S/N*
1 PN * ,
W Wq
S
S 1
S 1 N * S 1 P0
Lq nPn
S 1! 1
n 1
L
S 1
S S N * S 1
L
nPn
P0
q
S 1!
n 1
Wq Lq /
se 1
se 1
37
p n
n
0
,
,
se 0 n p
se n p
n , se n 1,2,..., p
onde p = nmero de usurios na populao
Pesquisa Operacional - UNESP / Campus de Guaratinguet
38
P0
n 0
p!
1
, Pn
P0
n
p!
p n!
p n !
para n 1,2,..., p
n 0
nPn p 1 P0
Lq
1 P
0
Lq
L
W
, Wq
com p L
39
p=2
p=3
p=4
p=5
p=6
p=7
p=10
p=9
p=8
40
1 S p
p n
n
0
,
,
se n 0,1,..., p
se n p
n
n
S
,
,
se n 1,2,..., S 1
se n S, S 1,..., p
41
1
S1
n 0
p
p!
p n ! n ! n S
p!
P0
p n !n !
n
p!
Pn
n S
!
!
p
n
S
S
p!
n S
p n !S !S
se 0 n S
se S n p
se n p
42
n 0
nP
n S
S P n
S 1
S 1 Pn
n 0
S 1 p n
p n!
1 p
n S
n
n
S !nS n S
n 0 n
Lq
n S
L
W
P 0
n
S1
p
n S Pn L S S n P0
n
n 0
Wq
Lq
, com p L
43
Exerccios
1. Uma copiadora para uso de escritrio usada e operada por
pessoas deste mesmo escritrio que precisam fazer cpias,
principalmente secretrias.
Como o trabalho a ser copiado varia de tamanho (no de pginas do
original) e quanto ao no de cpias, a taxa de atendimento
distribuda aleatoriamente, mas se aproxima de um processo de
Poisson tendo uma taxa de atendimento mdio de 10 trabalhos por
hora.
Geralmente as necessidades de uso so aleatrias durante as 8 horas de
trabalho dirio, mas chegam a uma taxa de 5 por hora.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
44
Exerccios
Vrias pessoas notaram que surge uma linha de espera s vezes, e
elas tm questionado a poltica de se manter apenas uma unidade.
Se o tempo de uma secretria custa $3,50 por hora, faa uma anlise
para determinar:
(a) A utilizao da copiadora;
(b) O percentual de vezes que uma secretria tem de esperar para
usar a copiadora;
(c) O tempo mdio que uma secretria permanece no sistema de
filas da copiadora;
(d) O custo total mdio de espera e operao da copiadora pelas
secretrias num dia.
L
Po
45
Exerccios
2. A situao apresentada no exerccio (1) foi questionada e
resolveu-se considerar a possibilidade de se instalar duas
mquinas ou de se alugar uma mquina maior, sendo que os dados
adicionais so fornecidos a seguir.
Recalcule todos os itens de (a) a (d). Qual a melhor opo entre as
trs analisadas: 1 mquina pequena, 1 mquina grande ou 2
mquinas pequenas?
[trab/hora]
Custo de aluguel
[$/dia]
10
Mquina grande
15
10
46
Exerccios
3. Um empresrio tem plano para abrir um servio automtico de
lavagem de carros numa determinada regio de uma cidade, para
tanto realizou uma pesquisa que proporcionou os seguintes
dados:
Nmero de Clientes em potencial dever seguir uma distribuio
de Poisson, com uma chegada cada 5 minutos, desde que haja
lugar na rea de estacionamento do sistema de lavagem de
carros.
Tempo para lavar um carro dever seguir uma distribuio
Exponencial Negativa, com mdia de 4 minutos.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
47
Exerccios
Para ajudar na deciso de onde abrir o negcio, o empresrio
identificou 3 locais disponveis, L1, L2 e L3. Estes locais tm
capacidades diferentes, com respeito rea para estacionamento,
conforme abaixo:
(a) L1 - no tem espao para estacionamento, s cabe a mquina para
lavar os carros;
(b) L2 h espao para 2 carros estacionarem, alm daquele que est
sendo atendido na mquina;
(c) L3 - h espao para 4 carros estacionarem, alm daquele que est
sendo atendido na mquina.
48
Exerccios
49
Exerccios
4. Caminhes chegam num armazm para descarga segundo uma
distribuio de Poisson no ritmo de 3 caminhes por hora. A
distribuio do tempo de atendimento aproximadamente uma
exponencial com mdia de 15 minutos. Calcular:
(a)
(b)
(c)
(d)
(e)
(f)
Po
50
Exerccios
5. Uma refinaria distribui seus produtos por intermdio de
caminhes, carregados no posto de carregamento. So carregados
tanto os caminhes da empresa como os caminhes dos
distribuidores independentes.
As firmas independentes reclamam que, s vezes, tm de esperar em
fila e perdem, assim, dinheiro ao pagarem um caminho e um
motorista que s esto esperando. Pediram refinaria ou para
instalar um novo ponto de carregamento ou para fazer descontos
equivalentes ao tempo de espera.
51
Exerccios
Foram colhidos os seguintes dados:
Taxa mdia de chegada (todos os caminhes) = 2/hora
Taxa de atendimento mdio = 3/hora.
Sabe-se que 30% dos caminhes so independentes. Supondo que
estas taxas sejam aleatrias conforme uma distribuio de Poisson
determine:
(a) A probabilidade de que um caminho tem de esperar
(b) O tempo mdio que um caminho espera
(c) O tempo total mdio de espera dos caminhes independentes por
dia.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
52
Exerccios
6. Um guindaste suspenso faz transportes de uma mquina para
outra e deve ser usado sempre que uma mquina tiver de ser
carregada ou descarregada.
A demanda de atendimento aleatria. Os dados colhidos referentes
ao tempo transcorrido entre as chamadas de atendimento seguem
uma distribuio exponencial com uma mdia de chamada de 30
em 30 minutos.
De modo semelhante, o tempo de atendimento real para carga e
descarga tem uma mdia de 10 minutos. Se o custo da mquina
for de $8,50 por hora, quanto custar o atraso por dia?
53
Exerccios
7. Uma companhia telefnica est planejando instalar cabines
telefnicas em um novo aeroporto. Ela traou a norma de que uma
pessoa no deve esperar mais do que 10% das vezes que ela tenta
usar o telefone. A demanda de uso estimada como sendo
Poisson com uma mdia de 30 por hora. A chamada telefnica
mdia tem uma distribuio exponencial com um tempo mdio de
5 minutos.
Quantas cabines telefnicas devem ser instaladas?
Po
54
Exerccios
8. Um mecnico atende quatro mquinas. Para cada mquina o
tempo mdio entre as exigncias de atendimento de 10 horas e
tratar-se de uma distribuio exponencial. O tempo de reparao
das mquinas tende a seguir a mesma distribuio e tem um
tempo mdio de 2 horas. Quando uma mquina pra para reparos,
o custo do tempo perdido de $20,00 por hora. Os custos dos
mecnicos so de $50,00 por dia.
(a) Qual o no esperado de mquinas em operao?
(b) Qual o custo esperado de atraso por dia?
(c) Seria desejvel ter dois mecnicos, cada um deles atendendo
apenas duas mquinas?
55
56
57
58
59
60
61