Filas

Faculdade de Engenharia - Campus de Guaratinguet
Pesquisa Operacional
Livro: Introduo Pesquisa Operacional

Captulo 6 Teoria de Filas
Fernando Marins fmarins@feg.unesp.br

Departamento de Produo
1
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
Pesquisa Operacional - UNESP / Campus de Guaratinguet
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.
Exemplos de Sistemas de Prestao de Servios

(Filas)
Congestionamentos de sistemas telefnicos (Erlang);
Escolha do tipo de sinalizao para interseces de vias
urbanas (pare, semforo);
Otimizao de ciclo de um semforo;
Dimensionamento de equipes de manuteno;
Anlise de congestionamentos em aeroportos.
Estrutura de um Sistema de Filas
Processo de
Chegadas
Capacidade do Sistema
Tamanho
da
Populao
Processo de
Atendimento
Disciplina de
Atendimento
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 .
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/.
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
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
Medidas de Desempenho (KPIs) de Sistemas de Filas

(Queues)
Tempo que o cliente fica na fila - Wq

Tempo que o cliente fica no sistema Ws (ou W)
Nmero de clientes na fila - Lq
Nmero de clientes no sistema Ls (ou L)
Ociosidade dos servidores - P0
Observe-se que todas estas medidas so variveis aleatrias.

Convencionou-se analisar seus valores mdios medidos numa
situao de estado de equilbrio de funcionamento do sistema.
10
Tipos de Sistemas de Filas
Markovianos - para caracterizar o comportamento futuro do

sistema basta conhecer o seu estado atual (por exemplo: o
nmero de clientes no sistema no momento).
No-Markovianos - para caracterizar o comportamento futuro
do sistema necessrio conhecer o seu estado atual e se ter
informaes sobre o passado (por exemplo: o tempo que o
cliente que est sendo atendido j demandou de servio).
11
Estatstica e Sistemas de Filas

Inferncia Estatstica:
Qual modelo se adapta a uma dada situao?
Necessrio aplicar tcnicas estatsticas de estimao de
parmetros e testes de aderncia para a escolha da
distribuio de probabilidades adequada para cada caso.
Importante: as medidas de eficincia do sistema de

filas so dependentes das taxas de chegadas () e de
atendimentos ().
12

Projeto - Sistema deve ter algumas caractersticas desejadas
escolher o nmero de servidores, qual o tamanho mximo
admissvel para a fila, qual a disciplina de atendimento
adequada...
Controle - Como e quando alterar as caractersticas bsicas do
sistema de forma a otimizar algum critrio econmico de
interesse.
13

Variveis comumente observadas - tamanho da fila ou a quantidade
de trabalho acumulado por executar pelos servidores.
Custos comumente envolvidos - custo de espera (cliente), custo do
atendimento (servidor), custo de perda de clientes em potencial,
custo de ociosidade do servidor.
Decises possveis - fechar o sistema para novos clientes e/ou
acelerar o atendimento.
Importante: na impossibilidade de se desenvolver modelos
matemticos para situaes complexas recomenda-se o uso da
tcnica de Simulao de Sistemas.
14
Processos de Nascimento e Morte (P-N-M):

Definies
Estado do sistema = nmero de clientes no sistema = n
Nascimento representa entrada de cliente no sistema.
Morte representa sada de cliente do sistema.
n = taxa mdia de chegadas quando h n clientes no sistema.
n = taxa mdia de atendimentos quando h n clientes no sistema.
P-N-M: chegadas e atendimentos aleatrios, e n e n dependem
apenas do estado do sistema.
15

Postulados (Funo o(t) um nulo quando t tende a zero)
Admita o sistema no estado n no instante t
(I)Nascimento - Probabilidade de ocorrer exatamente 1 nascimento
no intervalo de tempo t dada por n T + o(t).
(II) Morte - Probabilidade de ocorrer exatamente 1 morte no
intervalo de tempo t dada por n T + o(t).
(III) Salto mltiplo - Probabilidade de ocorrer nmero de
nascimentos e mortes superior a 1 dado por o(t).
16

Consequncia: o estado n do sistema em t + t pode ter sido
alcanado a partir de 4 situaes mutuamente exclusivas do sistema
no instante t: n, n - 1, n + 1, outra.
Seja pn(t) = probabilidade do sistema estar no estado n no instante t =
probabilidade de existir n clientes no sistema no instante t.
Estado
Eventos em t
Probabilidades
n-1
1 nascimento
Pn-1(t).( n-1T + o(t)).
(1)
n+1
1 morte
Pn+1(t).( n+1T + o(t)).
(2)
Nenhum
Pn(t).( 1 - nT - nT + o(t)).
Outro
Mltiplos
O(t).
Pn(t + t) =
(3)
(4)
(1) + (2) + (3) + (4).

17

Rearranjando a expresso pn(t + t), dividindo por t e passando ao
limite quando t 0, tem-se:
dPn(T )
dT
= n-1pn-1(t) + n+1pn+1(t) - (n + n)pn(t).
Analisando o sistema em regime estacionrio, tem-se

dPn(T ) = 0
dT
Que resulta em:

0 n 1Pn 1 + n 1Pn 1 - (n + n)Pn para n > 0
para n = 0
0 = 1P1 - 0 P0
(A)
(B)
18

Da expresso (A) tem-se:
Pn(n + n ) n 1Pn - 1 nPn nPn - n 1Pn - 1
Pn 1
=
+
n 1
n 1
n 1
n 1
Da expresso (B) tem-se:

0
P1
P0
1
(C)
(D)
Aplicando conjuntamente ( C) e (D) tem-se:
n 1 n 2 ... 0
Pn 1
P0
n n 1 1
19

Como sabe-se que, considerando todos os estados possveis do
sistema, tem-se:
P
n 0
1 ou seja P0 + Pn = 1
n =1
Substituindo a expresso de Pn+1 vem:

n 1
Pn
i 0
n
P0
j 1
P0 =
n 1
1+
i, j =1
i 0
n
j 1
P0 = proporo do tempo que o sistema fica vazio (servidores ociosos)

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.
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
Clculo do nmero mdio de clientes na fila:
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:
Tempo mdio de um cliente no sistema Ws 1 -
Tempo mdio de um cliente na fila
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
Modelo M/M/S
Para este sistema tem-se: com = /s < 1

S 1
P0 =
n!
n 0
-1
1
+
S! 1 -
Obs: ver Diagrama 1 com os valores de P0 para S= 1, 2, 3, 4, 5,

7,10, 15, 20, 25.
n
PN =

P 0

se 0 n S
n!
n

P 0
n -S
se n > S
S!
S
26
Diagrama 1 - Valores de P0 para a Fila M/M/S
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.
28
Diagrama 2 - Valores de LS para a Fila M/M/S
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)
No ser preciso a restrio = /s < 1
Seguindo a mesma seqncia da fila M/M/1, tem-se:
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
Para a Fila M/M/1/N*, o tempo mdio que um usurio

passa no sistema pode ser de dois tipos:
W 1 tempo mdio, levando em conta todos os usurios, atribuindose tempo zero aos usurios que foram recusados; ele pode ser
calculado diretamente por:
L
1
W
W 2 tempo mdio, considerando-se apenas os usurios que se

juntam ao sistema; deve-se tomar algum cuidado no seu clculo,
pois, neste caso, o processo de chegadas no possui mais taxa ,
pois toda vez que um consumidor encontra N* usurios no sistema,
ele perdido.
Pode-se mostrar que a taxa de chegadas agora igual a 1 PN *
1
e portanto:
L
W
W2
1 PN * 1 PN *
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
FILA M/M/1 , com populao finita p

Em alguns casos o nmero de clientes em potencial para a estao
de servios pequeno.
Se este valor for to pequeno que a chegada de um cliente para ser
atendido ou um atendimento afeta a probabilidade de futuras
chegadas, no ser mais vlido o pressuposto de uma populao
infinita.
Assim, tem-se:
p n
n
0
,
,
se 0 n p
se n p
n , se n 1,2,..., p
onde p = nmero de usurios na populao
38
FILA M/M/1 , com populao finita p

Pode-se obter as seguintes expresses:
n
P0
n 0
p!
1
, Pn
P0
n
p!
p n!

p n !
para n 1,2,..., p
Obs: ver Diagrama 3 com os valores de P0 para p= 1, 2, 3, 4, 5, 6, 7,

8, 9,10
L
n 0
nPn p 1 P0
Lq
1 P
0
Lq
L
W
, Wq
com p L
39
M/M/1, com populao finita p

p=1
p=2
p=3
p=4
p=5
p=6
p=7
p=10
p=9
p=8
40
FILA M/M/S , com populao finita p

Aqui tem-se: para
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

Pode-se obter:
P0
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

S 1
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.
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]
Mquina pequena (atual)
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.
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
Evidentemente, os valores dos aluguis de cada local so diferentes,

sendo o do L1 o mais barato e o de L3 o mais caro.
Para ter mais uma informao para a sua tomada de deciso, alm
dos valores dos aluguis, o empresrio deseja comparar
porcentagem de fregueses perdidos por no haver espao no
estacionamento do local escolhido (no incluindo o carro sendo
lavado).
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)
o nmero de caminhes na fila

o nmero de caminhes no sistema
o tempo mdio de espera na fila
o tempo mdio de espera no sistema
a probabilidade de 6 caminhes estarem no sistema
o fator de utilizao.
L
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.
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
(Po) M/M/2, com populao finita p
56
(L) M/M/2, com populao finita p
57
58
59
60
61

Filas

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Filas

Hochgeladen von

Copyright:

Verfügbare Formate

Faculdade de Engenharia - Campus de Guaratinguet

Livro: Introduo Pesquisa Operacional

Fernando Marins fmarins@feg.unesp.br

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Exemplos de Sistemas de Prestao de Servios

Estrutura de um Sistema de Filas

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Medidas de Desempenho (KPIs) de Sistemas de Filas

Tempo que o cliente fica na fila - Wq

Observe-se que todas estas medidas so variveis aleatrias.

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Tipos de Sistemas de Filas

Markovianos - para caracterizar o comportamento futuro do

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Estatstica e Sistemas de Filas

Importante: as medidas de eficincia do sistema de

Problemas de Deciso em Sistemas de Filas

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Problemas de Deciso em Sistemas de Filas

Processos de Nascimento e Morte (P-N-M):

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Processos de Nascimento e Morte (P-N-M):

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Processos de Nascimento e Morte (P-N-M):

Pn-1(t).( n-1T + o(t)).

Pn+1(t).( n+1T + o(t)).

(1) + (2) + (3) + (4).

Processos de Nascimento e Morte (P-N-M):

= n-1pn-1(t) + n+1pn+1(t) - (n + n)pn(t).

Analisando o sistema em regime estacionrio, tem-se

Que resulta em:

Processos de Nascimento e Morte (P-N-M):

Da expresso (B) tem-se:

Aplicando conjuntamente ( C) e (D) tem-se:

Processos de Nascimento e Morte (P-N-M):

Substituindo a expresso de Pn+1 vem:

P0 = proporo do tempo que o sistema fica vazio (servidores ociosos)

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Clculo do nmero mdio de clientes na fila:

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Tempo mdio de um cliente no sistema Ws 1 -

Tempo mdio de um cliente na fila

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Obs: ver Diagrama 1 com os valores de P0 para S= 1, 2, 3, 4, 5,

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Diagrama 1 - Valores de P0 para a Fila M/M/S

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Diagrama 2 - Valores de LS para a Fila M/M/S

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

No ser preciso a restrio = /s < 1

Seguindo a mesma seqncia da fila M/M/1, tem-se:

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Para a Fila M/M/1/N*, o tempo mdio que um usurio

W 2 tempo mdio, considerando-se apenas os usurios que se

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

Pesquisa Operacional - UNESP / Campus de Guaratinguet

FILA M/M/1 , com populao finita p

FILA M/M/1 , com populao finita p