SED Apostila v30

Coronel Fabriciano Fevereiro de 2012 Professor: Alosio de Castro Gomes Jnior Verso 3.
Unileste
Captulo 1: Introduo
1.1. Pesquisa Operacional (PO) Utilizada pela primeira vez durante a 2 Guerra Mundial, quando equipes de pesquisadores procuraram desenvolver mtodos para resolver problemas de operaes militares. A PO uma metodologia cujo arcabouo terico agrega quatro cincias fundamentais para o processo de preparao, anlise e tomada de decises: a economia, a matemtica, a estatstica e a informtica. Conceito: PO a aplicao de mtodos cientficos a problemas complexos para auxiliar no processo de tomada de decises, tais como projetar, planejar e operar sistemas em situaes que requerem alocaes eficientes de recursos escassos. O Enfoque Gerencial da PO: Enfoque Clssico: busca da soluo tima.
Experincia e Intuio
Identificao do problema
Informaes Necessrias
Modelagem e Soluo
Resultado timo
Aceitar ou Recusar
Enfoque Atual: uso do modelo para identificao do problema certo - procurar a questo certa a ser respondida ao invs da resposta certa.
Identificao do problema
Informaes Necessrias
Modelagem e Soluo
Resultado timo
Informaes so relevantes? Problema Certo? Experincia e Intuio
Novas Percepes Aceitar ou Rejeitar
Notas de aula Simulao a Eventos Discretos
Prof. Alosio Gomes Jr.
Unileste
Tcnicas de PO usadas na resoluo de problemas: Programao Linear Programao Dinmica Programao No-Linear Programao Inteira Mista Teoria das Filas Simulao Teoria dos Jogos
Fases de um estudo de PO: Definio do Problema Construo do Modelo Soluo do Modelo Verificao e Validao do Modelo Implementao dos resultados obtidos Avaliao Final
1.2. Modelagem
Sistema Real Existente Sistema Reduzido s Variveis Principais
Modelo
Modelo: Um modelo a representao externa e explicativa de parte da realidade vista pelas pessoas que desejam us-la para entender, mudar, gerenciar e controlar parte da realidade. (Pidd, 2004) Tipos de Modelo: Modelos de Otimizao; Modelos de Simulao.
Unileste
Modelos de Otimizao: Adequado quando as variveis do sistema so determinsticas; Seleo de uma nica alternativa via anlise matemtica; A alternativa selecionada considerada tima sob um determinado aspecto.
Modelos de Simulao: Adequado quando o sistema apresenta variveis estocsticas; Alto grau de liberdade/flexibilidade; Permite criao de cenrios futuros; Anlise de perguntas do tipo: E se?.
Modelos de Otimizao x Simulao Sempre que possvel usar modelos de otimizao; As maiorias dos sistemas encontrados na prtica, no complexos, envolvem variveis aleatrias e no possuem solues analticas. Na simulao a anlise feita por mtodos numricos e no analticos. Na simulao os modelos so rodados e analisados, e no solucionados analiticamente.
Processo de deciso com Modelos de Otimizao
Dados e Informaes do Sistema
Modelo de Otimizao Representao do Sistema Critrio de seleo alternativa Soluo tima

Deciso
Processo de deciso com Modelos de Simulao
Hiptese 1 Hiptese 2 Hiptese 3
Soluo 1
MODELO DE SIMULAO
Soluo 2 Soluo 3
PROCESSO DE ESCOLHA DA MELHOR DECISO
Soluo Escolhida
Critrios de Escolha
Unileste
1.3. Simulao Simulao = Imitao da Realidade Simulao = a tcnica de soluo de um problema pela anlise de um modelo que descreve o comportamento do sistema usando um computador digital (Prado, 2004) A simulao envolve a construo de um modelo aproximado da realidade, o qual ser operado muitas e muitas vezes, analisando-se ento seus resultados para que ele possa ser mais bem compreendido, manipulado e controlado. IDIA BSICA: analisar um sistema para tornar possvel responder perguntas do tipo: E se o sistema operasse desta ou daquela forma?. Origem: 2 Guerra Mundial Estudo da difuso de nutrons construo da bomba atmica.
Entradas Polticas
MODELO DE SIMULAO
Sadas Respostas
Interao e Experimentao
Simulao vs. Experimentao Direta Custos: O custo da experimentao direta pode inviabilizar a realizao do projeto. Exemplo: Imagine que se deseja descobrir o impacto da incluso de um novo produto na linha de produo. Teramos que variar o layout, contratar funcionrios, comprar novos equipamentos, tudo isso sem saber se essas mudanas iriam funcionar. Talvez seja necessria a montagem de uma linha totalmente nova, ou talvez as mquinas disponveis sejam suficientes. Sendo assim a simulao pode evitar um grande desperdcio de dinheiro. Tempo: Aps o modelo de simulao ter sido construdo, pode-se manipular o tempo da forma que mais convm e fazer anlises verificando se o sistema estar pronto para abastecer as demandas futuras. Pode-se tambm simular vrios meses de operaes do sistema em pouco tempo. Replicao: Podemos testar o modelo vrias vezes, avaliando a conseqncia de cada mudana. Segurana: Atravs do modelo, no corremos riscos de acidentes ou inconvenientes, como paradas de produo, atrasos, etc. Legalidade: Atravs da simulao podem-se ignorar leis trabalhistas.
Unileste
Principais Vantagens da Simulao Novas polticas e procedimentos operacionais podem ser testados sem interrupo do sistema real. Determinao de gargalos do sistema. Determinao de como o sistema realmente opera ao invs de como as pessoas pensam que ele opera. Anlise de cenrios futuros (E se?).
Fases de um estudo de Simulao Formulao do Problema e Coleta de dados
Identificao das Variveis e das Condies do sistema
Construo do Modelo
Validao dos Modelos com Dados Histricos
Modelo Aprovado?
No
Elaborao do Programa Computacional
Realizao dos Experimentos
Anlise dos Resultados
Unileste
1 - Formulao do Problema e Coleta de Dados: - Devem ser explicitamente definidos os objetivos da simulao, a amplitude e a profundidade que se quer da anlise e os recursos disponveis. evidente que essa definio inicial do problema pode ser alterada durante a realizao do processo de simulao. - A coleta de dados um processo de recolhimento dos fatos e informaes disponveis que sero processados quando houver necessidade. - Os dados devem ser coletados observando os seguintes cuidados: Deve haver uma quantidade suficiente de dados; Os dados devem ser qualitativamente confiveis; Os dados devem ser significativos para o processo de tomada de deciso. 2 Identificaes das Variveis e das Condies do Sistema - A escolha do conjunto de variveis muito importante para a qualidade do modelo. fundamental que todas as variveis importantes sejam includas de modo que os resultados do modelo sejam confiveis. - importante definir tambm as relaes entre variveis, as condies e restries do sistema, de modo possibilitar a construo de um modelo que represente, o mais fielmente possvel, sua operao no mundo real. 3 Construo do Modelo - Essa talvez seja a parte mais difcil do processo de simulao e que deve ser realizada com mais cuidado. A dificuldade parte do fato de que, na construo do modelo, exigida tanto arte quanto tcnica, para que eles representem bem os sistemas, levando em conta todas as relaes importantes. 4 Validao do Modelo - Uma vez construdo o modelo, necessrio saber se ele atende aos objetivos da simulao, representando corretamente o sistema em estudo. Os testes com o modelo devem abranger tambm os dados, de modo a se verificar sua consistncia. - O primeiro teste que normalmente se faz a operao do modelo com dados histricos e condies conhecidas, com o objetivo de ser conseguir reproduzir o desempenho do sistema obtido na realidade. 5 Elaborao do Programa Computacional - Nesta fase pode-se utilizar softwares j desenvolvidos especificamente para simulao de sistemas, tais como ARENA, AUTOMOD, PROMODEL, etc, ou pode-se desenvolver um simulador prprio utilizando alguma linguagem de computao de propsito geral. - Com o programa pronto devem ser executados testes para verificao de erros de programao, consistncia e conceituao.
Unileste
- Para Validao do programa podem ser simuladas, por exemplo, situaes simples cujos resultados sejam possveis de acompanhamento, ou simular cenrios passados e compar-los com seus registros. 6 Experimentos e Anlise dos Resultados - Com o sistema validado, resta realizar os devidos experimentos e analisar os dados de sada, podendo assim estudar o funcionamento do sistema simulado e as alternativas para o novo sistema.
Aplicaes de Simulao Linhas de produo: Modificaes em um sistema existente (expanso da produo atual, troca de equipamentos, adio de novos produtos) pode-se antecipar onde sero formados gargalos; planejamento de um setor de produo totalmente novo; obteno da melhor poltica de estoque. Sistema de Transporte: Operao de ferrovias, rodovias, aeroportos, portos, controladores de trfego, etc. rea da Sade: Estudo de sistemas de triagem em grandes hospitais, Anlise de alternativas operacionais de setores de emergncia. rea Militar: Simulao de operaes de guerra Comunicao: Informao sobre o tempo de resposta e chamadas perdidas. Dimensionamento da quantidade de atendimentos em Call Centers (Tele Atendimento). Bancos, Supermercados e Escritrios: Dimensionamento dos nmeros de caixas, avaliao do uso de caixas especiais e do uso de fila nica. Minerao: Dimensionamento de ptios, determinao de pontos de carga e descarga de minrios
Abordagens para um estudo de simulao - Pontos a serem considerados: Manipulao do Tempo Duraes determinsticas ou estocsticas Trocas de estado
Unileste
A Manipulao do tempo - Uma das vantagens de simulao a possibilidade de controlar a velocidade com que as alteraes no estado do modelo se processam. - A essncia da simulao que as trocas de estado do sistema so modeladas atravs do tempo. Assim, importante considerar como o fluxo de tempo deve ser manuseado ao longo da simulao. - Formas de manipulao do tempo: Diviso do tempo em intervalos regulares: o modelo atualizado a cada intervalo constante de tempo. Tcnica do Prximo Evento: O modelo atualizado a intervalos variveis de tempo. Assim, o modelo s atualizado quando se tem certeza que alguma mudana ocorrer. Estas trocas de estado so chamadas eventos. B Duraes determinsticas ou estocsticas - Um sistema dito determinstico, quando seu comportamento pode ser perfeitamente previsvel e estocstico quando as variveis que o constituem tem seu comportamento descrito por distribuies de probabilidade. C Trocas de Estado - As variveis includas em um modelo de simulao podem trocar seus valores de forma discreta ou contnua. Eventos Contnuos: uma ao que no cessa. Ele continua ininterruptamente em relao ao tempo. A temperatura da gua em um lago subindo e caindo durante o dia, o fluxo de leo em um tanque e converses qumicas so exemplos simples. Eventos Discretos: uma ao instantnea que ocorre em um nico momento. Um avio aterrizando em um aeroporto, um caminho chegando numa doca de entrega, um cliente entrando em um banco e uma mquina terminando em um ciclo so exemplos de eventos discretos.
Unileste
10
Captulo 2: Simulao Eventos Discretos

2.1. Generalidades Emprega a tcnica do prximo evento para controlar o comportamento do modelo. Trabalha com sistemas que envolvem filas (obvias ou no). 2.2. Terminologia A) Entidades - Elementos individuais do sistema cujo comportamento se deseja analisar. Exemplo: Em um banco se quisermos estudar o comportamento das filas a entidade a ser estudada ser o cliente. - Tipos de Entidades: Permanentes: permanecem no sistema durante toda a simulao; Temporrias: permanecem no sistema apenas parte da simulao; Ativas: trabalham em conjunto com outras entidades e as retm durante algumas operaes do sistema; Passivas: trabalham em conjunto com outras entidades e so retidas por elas durante algumas operaes do sistema.
- Organizao das Entidades: Classes: grupos permanentes de entidades idnticas ou similares; Conjuntos: grupos temporrios de entidades idnticas ou similares, por exemplo, um grupo de entidades em fila; Atributo: so itens que informam determinadas caractersticas de uma entidade. Servem para 2 propsitos: distinguir membros de uma mesma classe de entidades, controlar o comportamento das entidades.
- Operaes Relacionadas s Entidades: Eventos: so os instantes de tempo o qual alguma troca significativa de estado ocorre no sistema. Atividades: so as operaes e procedimentos que so iniciados em cada evento. Processo: s vezes, usual agrupar uma seqncia de eventos na ordem cronolgica que eles acontecem. Tal seqncia conhecida como processo, utilizado para representar parte ou toda vida de uma entidade dentro do sistema. Relgio de simulao: representa o instante corrente da simulao.
Unileste
11
B) Recursos - Elementos individuais do sistema que no so modelados separadamente. Um recurso consiste em itens idnticos e o programa mantm um controle sobre quantos itens esto disponveis a cada momento. O recurso o que a entidade necessita para realizar alguma atividade. No exemplo do banco, podemos considerar os caixas como sendo um tipo de recurso, o gerente como outro tipo, etc. 2.3. Diagrama de Ciclos de Atividades (DCA) Para construir um modelo de simulao eventos discretos, necessrio: 1. Identificar as classes de entidades envolvidas; 2. Considerar as atividades em que estas entidades esto engajadas; 3. Interligar e relacionar estas atividades. O DCA uma forma de representar graficamente um modelo de simulao. O DCA representa as interaes existentes entre as diversas entidades de compem o sistema e muito prtico na representao de sistemas com uma forte estrutura de filas. O DCA normalmente est associado abordagem de simulao baseada em atividades ou no mtodo das trs fases que sero vistos posteriormente. O DCA constitudo de trs elementos bsicos: entidades, filas e atividades. Entidades: representam as classes de entidades fsicas do sistema so representadas por linhas. O primeiro passo na construo de um DCA a definio das entidades do sistema e no caso das permanentes, tambm as suas respectivas quantidades. A cada entidade podem ser associados atributos que servem para registrar determinados dados da simulao. Atividades: So os estados onde entidades participam de alguma operao. So representadas por um retngulo. De cada atividade podem participar uma ou mais entidades. A durao de cada atividade pode ser constante ou seguir uma distribuio de probabilidade pr-definida. Durante a execuo de uma atividade, as entidades nela envolvidas ficam indisponveis. Cada entidade que participa da atividade define uma entrada e uma sada do retngulo. Filas: representam estados passivos de entidades que aguardam o atendimento das condies de incio de uma atividade, para dela participarem. A condio bsica de incio de uma atividade a existncia de entidades nas filas que a precedem. Assim, no incio da atividade as entidades so retiradas das filas que a precedem, ficando indisponveis at o trmino daquela atividade. Ao trmino da atividade as entidades so colocadas nas filas subseqentes a ela. Isto implica que, um DCA, obrigatrio a existncia de alternncia entre filas e atividades. Outra conseqncia desta alternncia que o tempo de permanncia numa fila no determinado, visando acordo com o andamento
Unileste
12
da simulao. Entre obrigatoriedade de alternncia entre filas e atividades, muitas vezes torna necessria a definio de filas artificiais, onde a espera nunca acontece. As filas so representadas por um crculo. Um DCA composto de um conjunto de subdiagramas que constituem os ciclos de vida de cada entidade. O ciclo de vida de cada entidade, por sua vez, o conjunto de atividades e filas percorridas pela entidade ao longo do sistema Fontes / Nascedouros / Sumidouros: servem para representar o mundo exterior ao sistema. Um nascedouro pode ser visto como uma fila de capacidade infinita. So representados por dois crculos sobrepostos. A mesma representao serve para o sumidouro, que representa a sada de entidades do sistema. Outros elementos: Prioridade de execuo de atividades; Desvios condicionais; Disciplinas de filas (FIFO primeiro que entra, primeiro que sai; LIFO ltimo que entra, primeiro que sai; Prioridade uma caracterstica da entidade define sua prioridade de atendimento); Durao das atividades. Regras bsicas de um DCA: 1. Alternncia obrigatria entre atividades e filas; 2. Filas so exclusivas de uma nica classe de entidades; 3. Entidades permanentes devem ter a sua quantidade e localizao (filas) no incio da simulao explicitada 4. Atividades devem ser explicitadas suas duraes; 5. Entidades temporrias devem ser geradas e destrudas na mesma fonte. 6. Desvios condicionais devem ter suas regras explicitadas. Exemplo 1: Em um banco, clientes chegam h um intervalo mdio de 3 minutos segundo uma distribuio exponencial. Ao chegarem 20% dos clientes se dirigem ao caixa comum, 15% ao gerente e o restante aos caixas eletrnicos. O atendimento no caixa comum segue uma distribuio normal com mdia de 5 minutos e desvio padro de 1 minuto. O atendimento no caixa eletrnico segue uma distribuio triangular com moda de 4 minutos, mnimo de 3 minutos e mximo de 6 minutos e desvio padro de 1 minuto. O atendimento no gerente segue uma distribuio normal com mdia de 12 minutos e desvio padro de 2 minutos. Posto isto, construir o DCA do problema anterior. Exemplo 2: Uma empresa de minerao opera 7 escavadeiras. As escavadeiras trabalham em operao contnua, interrompendo seu funcionamento apenas para manuteno corretiva. O tempo entre falhas descrito por uma distribuio exponencial negativa com mdia de 7 dias. A manuteno feita por uma nica equipe e sua durao tambm exponencialmente distribuda com mdia de 1 dia. Deseja-se simular este problema para avaliar o tempo que as escavadeiras ficam
Notas de aula Simulao a Eventos Discretos Prof. Alosio Gomes Jr.
Unileste
13
paradas por falta de manuteno. Tambm deseja-se estimar a ocupao mdia da equipe de manuteno e avaliar o impacto do aumento do nmero de equipe para duas. Exemplo 3: O problema do Bar Num bar, os clientes chegam da rua para tomar chope, numa quantidade que varia aleatoriamente em funo da sede de cada um. Os intervalos entre chegadas consecutivas so exponencialmente distribudos com mdia de 10 minutos. A quantidade de copos que cada cliente toma definida quando da sua chegada, atravs do atributo SEDE. A SEDE de um cliente varia de acordo com uma distribuio inteira uniforme com um mnimo de 1 e um mximo de 4 copos. Chegando ao bar, um cliente aguardar sua vez de ser servido. Uma vez servido, atividade cuja durao segue uma distribuio normal com mdia de 6 minutos e desvio padro de 1 minuto, o cliente beber seu copo a seguir. O tempo para beber um copo distribui-se uniformemente com valores inteiros entre 5 e 8 minutos. Este ciclo ir se repetir at que o cliente tenha sua sede saciada. Dois garons so responsveis pelo atendimento dos clientes e pela lavagem dos copos usados. O atendimento, alm do cliente, exige tambm que um copo limpo esteja disponvel. A lavagem dos copos tem durao constante e igual a 2 minutos. Supe-se ainda que o bar dispe de 70 copos. Pede-se desenvolver um modelo utilizando o DCA para representao do sistema. Exemplo 4: Problema do Bilheteiro de Teatro Durante o dia o bilheteiro de um teatro se encarrega da venda de ingressos e do atendimento a consultas por parte do pblico. As consultas pessoais tm prioridade sobre as chamadas telefnicas que, graas a um sofisticado sistema eletrnico, so colocadas numa fila e atendidas na ordem de chegada. O pblico educado e muito paciente, nunca indo embora ou desligando o telefone sem que tenha sido atendido. O intervalo entre a chegada de duas consultas pessoais consecutivas segue uma distribuio exponencial com mdia de 12 unidades de tempo. O intervalo entre a chegada de duas chamadas telefnicas consecutivas tambm exponencialmente distribudo com mdia 10 unidades de tempo. Um atendimento pessoal leva em mdia 6 unidades de tempo, seguindo uma distribuio exponencial. Uma chamada telefnica leva em mdia 5 unidades de tempo, distribuindo-se tambm segundo uma exponencial. Deseja-se simular este problema para estimar a taxa de ocupao do bilheteiro e o tempo de espera das pessoas. Refazer o problema supondo que a central telefnica no retenha chamadas (uma chamada encontrando o sistema ocupado ou no sendo atendida bilheteiro ocupado perdida). Tambm simular os dois casos, supondo a existncia de dois bilheteiros.
Unileste
14
2.3.1. Lista de Exerccios Diagrama de Ciclo de Atividade Exerccio 1: Banco Caixas com Atendimento Especial Construir o DCA de um sistema bancrio que opera com 2 caixas. Neste Banco, os clientes chegam de acordo com uma distribuio exponencial com mdia de 4 minutos. E o atendimento nos caixas leva em mdia 5 minutos com desvio padro de 30 segundos, segundo uma distribuio normal. O atendimento pessoas idosas e gestantes (clientes especiais) tem prioridade sobre o atendimento aos demais clientes. 10% dos clientes que chegam ao banco so idosos e gestantes. Os clientes especiais nunca desistem, mas os demais clientes quando encontram mais de 10 clientes na fila voltam para a casa. Exerccio 2: Uma central telefnica, recebe chamadas a intervalos aleatrios segundo uma distribuio exponencial negativa com intervalo mdio entre chamadas de 4 segundos. A durao mdia da conversao de 120 segundos, tambm seguindo uma distribuio exponencial negativa. A central tem uma capacidade limitada de atendimento correspondente ao nmero de troncos disponveis que igual a 30. Uma chamada, encontrando o sistema congestionado (todos os troncos ocupados), perdida. Posto isto, pede-se construir o diagrama de ciclo de atividades para este sistema, pois deseja-se construir um programa de simulao para estimar o nmero mdio de troncos ocupados e o percentual de chamadas perdidas. Alm disso, sabendo-se que o percentual de chamadas perdidas deve ser limitado a 5%, desejase saber qual deveria ser o nmero de troncos necessrios para atender a este nvel de servio e qual seria, neste caso, a ocupao mdia da central. Exerccio 3: Refazer o problema anterior supondo que uma chamada, encontrando o sistema congestionado (todos os troncos ocupados), pode ser perdida, fato que ocorre com 30% de probabilidade, ou ento, voltar a ser efetivada (retorno) dentro de 10 segundos. No h limite preestabelecido para o nmero de retornos que uma chamada pode ter. Exerccio 4: Refazer o problema anterior supondo que uma chamada, encontrando o sistema congestionado (todos os troncos ocupados), direcionada para uma central auxiliar com outros 10 troncos de capacidade. Caso a central auxiliar tambm esteja congestionada, a chamada ser perdida (no h retorno neste caso).
Unileste
15
Exerccio 5: Um porto de embarque de minrio opera da seguinte forma: Os navios chegam ao porto em intervalos de tempo que seguem uma distribuio exponencial negativa com mdia de 6 dias. A capacidade dos navios varia da seguinte forma: 75% so de 100.000 t, 15% so de 200.000 t e 10% de 150.000 t. Chegando ao porto, os navios encontrando o per vago (o porto s possui um per) e desde que haja minrio no estoque, comeam a ser carregados a uma taxa de 1200 t/h. Caso o estoque de minrio termine antes do navio ser completamente carregado, o navio aguardar no per a chegada de minrio, ou seja, ele s deixa o per quando estiver completamente carregado. O minrio chega ao porto via ferrovia, sendo que cada trem composto de 80 vages com capacidade de 100 t cada um. Os trens chegam ao porto, em mdia, a cada 7 horas, seguindo uma distribuio normal, com desvio padro de 1 hora. Os trens, chegando ao porto, tm seus vages descarregados um a um, por um nico virador de vages. O tempo de descarga de cada vago segue uma distribuio normal com mdia de 2,5 minutos e desvio padro de 0,3 minutos. Ao fim da descarga de cada vago, obviamente, o estoque de minrio do porto aumenta em 100 t. Posto isto, pede-se construir o diagrama de ciclo de atividades para o sistema.
Exerccio 6: Um consultrio mdico opera da seguinte forma (todos os valores de tempo esto em minutos): os clientes chegam a intervalos que seguem uma distribuio triangular com mdia de 30, mnimo de 23 e mximo de 35. Ao chegarem, so atendidos por uma secretria que preenche um formulrio eletrnico contendo informaes sobre o paciente. O tempo deste atendimento segue uma distribuio normal com mdia de 2 e desvio padro de 0,5. Preenchido o formulrio, o cliente aguarda pela consulta com o mdico, cuja durao segue uma distribuio normal com mdia de 20 e desvio padro de 5. Aps a consulta 10% dos pacientes so submetidos a algum exame no prprio consultrio, enquanto os demais vo embora. O exame realizado logo aps a consulta e feito pelo prprio mdico, tendo uma durao exponencialmente distribuda com mdia igual a 5. Aps isso, os clientes deixam o consultrio. A secretria alm de preencher os formulrios, tambm atende o telefone, cujas chamadas chegam a intervalos que seguem uma distribuio exponencial com mdia de 5. A durao da conversa telefnica exponencialmente distribuda com mdia igual a 3. O atendimento telefnico, quando a secretria est disponvel, prioritrio. Quando ela est atendendo algum paciente, ela termina o atendimento antes de atender o telefone. Posto isto, construir o diagrama de ciclo de atividades representativo deste sistema explicitando todos os seus elementos e condies.
Unileste
16
Exerccio 7: Uma empresa usa matrias primas do tipo A e B. Ambas so transportadas por caminhes, de mesma capacidade, que chegam empresa segundo uma distribuio exponencial negativa de mdia de 25 minutos. Sabe-se que 30% desses caminhes trazem matria prima do tipo A e o restante do tipo B. Ao chegarem empresa os caminhes tm sua carga checada por um funcionrio da portaria, que preenche um formulrio e encaminha o caminho para uma das docas de descarga, atividade que possui durao exponencialmente distribuda com mdia de 5 minutos. Existe uma doca (Doca A) para descarga de caminhes que transportam mercadorias do tipo A e duas docas para aqueles que transportam mercadorias do tipo B (Doca B1 e Doca B2). O tempo de descarga dos caminhes que transportam mercadoria do tipo A segue uma distribuio normal com mdia de 30 minutos e desvio padro de 6 minutos. O tempo de descarga dos caminhes que transportam mercadoria do tipo B segue uma distribuio triangular com moda de 38, mnimo de 30 e mximo de 50 minutos. Os caminhes com mercadorias do tipo B so encaminhados para a doca que tiver menor fila (B1 ou B2). Aps a descarga, os caminhes seguem para outro setor da empresa onde entregam as notas fiscais e os recibos de descarga. Neste setor, os caminhes so atendidos por um funcionrio, que preenche um formulrio de liberao do veculo. O tempo gasto pelo funcionrio para realizao deste servio segue uma distribuio normal com mdia de 7 minutos e desvio padro de 2 minutos. Aps receberem o formulrio de liberao, os caminhes se dirigem portaria da empresa, onde o mesmo funcionrio que os recebeu faz uma vistoria de segurana nos caminhes, para certificar se eles no esto saindo com nada da empresa, e os libera em seguida. O tempo gasto nesta atividade exponencialmente distribudo com mdia de 4 minutos. O funcionrio da portaria prioriza o atendimento de chegada de caminhes em relao vistoria de sada. Posto isto, construir o diagrama de ciclo de atividades representativo deste sistema. Exerccio 8: Uma oficina de automveis realiza servios de manuteno mecnica, manuteno eltrica e lanternagem. Para tanto, esta oficina conta com 4 equipes, duas para manuteno mecnica, uma para manuteno eltrica e uma para lanternagem. Os carros, ao chegarem oficina, passam por uma triagem inicial, realizada por um nico funcionrio, e so encaminhados para realizao dos servios, sendo que 45% deles necessitam de manuteno mecnica, 25% de manuteno eltrica, 18% de lanternagem e 12% de manuteno mecnica e lanternagem. Os carros que necessitam de lanternagem e manuteno mecnica (12%) so atendidos primeiramente no servio que apresentar a menor fila de espera e aps sua realizao so, ento, encaminhados ao outro servio, tendo prioridade de atendimento sobre os veculos que porventura estiverem na fila de espera para realizao daquele servio. O intervalo entre chegadas de carros segue uma distribuio exponencial negativa com mdia de 2 h. O tempo de triagem segue uma distribuio normal com mdia de 0,17 h e desvio padro de 0,02 h. O tempo de manuteno mecnica segue uma distribuio exponencial negativa com mdia de 3,8 h. O tempo de manuteno eltrica segue uma distribuio exponencial negativa com mdia de 2.5 h. O tempo de
Unileste
17
lanternagem segue uma distribuio exponencial negativa com mdia de 5 h. Construir o DCA representativo do sistema, explicando detalhadamente os desvios condicionais existentes. Exerccio 9: A Empresa XYZ Ltda. pretende simular todo o seu processo produtivo com a finalidade de testar novas polticas operacionais e a insero de novos equipamentos. Hoje, a empresa possui trs setores: montagem das peas (2 mquinas), acabamento final (3 mquinas) e inspeo (10 funcionrios). Existe um pequeno estoque entre cada um destes setores. As peas necessrias para a confeco do produto chegam na linha de montagem a intervalos que seguem distribuio exponencial com mdia de 5 minutos. A linha de montagem totalmente automatizada e o processo de montagem tem durao segundo uma distribuio normal com mdia de 12 minutos e desvio padro de 3 minutos. Aps a montagem o produto transportado at o estoque da linha seguinte. O processo de acabamento tem durao que segue uma distribuio normal com mdia de 10 minutos e desvio padro de 2 minutos. Aps o acabamento final o produto encaminhado ao setor de inspeo. O processo de inspeo tem durao que segue uma distribuio exponencial com mdia de 3 minutos. A inspeo feita por dois funcionrios da empresa. A empresa dispe de 10 funcionrios para este setor. Aps a inspeo, os produtos que esto de acordo com todas as normas de qualidade (85% do total) so enviados para o estoque de produto acabado da empresa. Os produtos no-conformes (15%) passam por um processo de reaproveitamento das peas. Este processo de reaproveitamento tem durao mdia de 2 minutos segundo uma distribuio exponencial negativa. Este processo feito pelos funcionrios da inspeo. Apenas 20% dos produtos so reaproveitados e estes so enviados ao setor de montagem. A atividade de reaproveitamento tem prioridade sobre a atividade de inspeo. Posto isso, construir o DCA do sistema explicando detalhadamente todos os desvios, atribuies e condies. Obs.: Considere a entidade peas = entidade produto. Exerccio 10: Uma agncia bancria opera da seguinte forma: os clientes chegam a intervalos que seguem uma distribuio exponencial com mdia de 3,5 minutos. Ao chegarem 40% deles se dirigem aos caixas eletrnicos (a agncia possui dois), 30% ao caixa comum (a agncia possui apenas um), 10% ao gerente, 12% aos caixas eletrnicos e em seguida ao gerente e 8% ao caixa comum e em seguida ao gerente. O tempo gasto no caixa eletrnico exponencialmente distribudo com mdia de 2 minutos. O tempo de atendimento no caixa comum segue uma distribuio normal, com mdia de 3 minutos e desvio padro de 0,8 minutos. O tempo de atendimento pelo gerente segue uma distribuio lognormal com mdia de 6 minutos e desvio padro de 1,5 minutos. Posto isso, construir o DCA do sistema explicando detalhadamente todos os desvios, atribuies e condies.
Unileste
18
Exerccio 11: Uma empresa deseja estudar a compra de novos equipamentos para seu setor de usinagem. Para saber quantos equipamentos de cada tipo ela deve comprar, ela encomendou um estudo de simulao. As Peas chegam fbrica segundo uma distribuio exponencial com mdia de 4,5 minutos. Ao chegarem, as peas so distribudas de acordo com trs possveis seqncias de usinagem. Sabe-se que 30% das peas necessitam da usinagem do tipo 1, 20% das peas necessitam da usinagem do tipo 2 e as demais peas necessitam da usinagem do tipo 3. A seqncia de operaes de cada tipo de usinagem so descritas na tabela a seguir. Nesta tabela so apresentadas as mquinas pelas quais cada pea deve passar. Tipo de Usinagem 1 2 3 Mquinas Maq. 1 Maq. 3 Maq. 3
Maq. 2 Maq. 2 Maq. 2
Maq. 3 Maq. 1
As operaes na mquina 1 duram em mdia 12 minutos segundo uma distribuio exponencial negativa. J as operaes na mquina 2 duram em mdia 10 minutos, com desvio padro de 2 minutos segundo uma distribuio normal. E as operaes na mquina 3 tm durao segundo uma distribuio normal com mdia de 6 minutos e desvio padro de 0,5 minutos. Assim que so usinadas as peas so encaminhadas para o setor responsvel pela entrega da mesma ao cliente. Posto isto, construir o DCA da situao atual da empresa explicando detalhadamente todos os desvios, atribuies e condies. Sugesto: Crie um atributo TUSI que representa a seqncia de mquinas pela qual as peas vo passar.
Unileste
19
2.4 Abordagens Usadas em Simulao

Tipos de Abordagens existentes: Abordagem Abordagem Abordagem recentemente; Abordagem das trs fases Ideal para o DCA; por Eventos Mais rpida, porm mais complexa; por Atividades Muito lento, por isso no muito utilizado por Processos Mais usada pelos softwares de simulao.
2.4.1 Mtodo das Trs Fases uma das formas de estruturao de programas de simulao a eventos discretos. Foi apresentado por Tocher em 1963. Suas principais caractersticas so descritas a seguir. a) Conceitos de evento e relgio de simulao: Um evento pode ser entendido como uma mudana no estado do sistema em processo de simulao. Toda atividade est delimitada por dois eventos, o primeiro que caracteriza seu incio e o segundo seu trmino. O relgio da simulao corresponde ao instante corrente da mesma. O relgio sempre avana para o instante em que ocorrer o evento mais prximo, o que implica em um avano a intervalos quase sempre variveis. Sendo assim, o programa de simulao deve dispor de recursos para descobrir quando ocorrer o prximo evento e avanar o relgio da simulao at ele. b) Tipos de eventos Existem dois tipos de eventos associados ao mtodo das trs fases: os eventos que caracterizam o incio e aqueles que caracterizam o fim da atividade. Tais eventos so conhecidos como eventos do tipo C (incio da atividade) e eventos do tipo B (fim da atividade). Todo evento C tido como condicional, pois para uma atividade ter incio uma ou mais condies sempre devem ser satisfeitas. A cada atividade est associado um nico evento C, que est condicionado existncia de entidades nas filas e/ou fontes que precedem a atividade. Como a durao de cada atividade determinada antes de seu incio, atravs de amostragem ou deterministicamente, os eventos B tm seus incios ou ocorrncias predeterminados. Para cada entidade participante da atividade definido um evento B distinto. Assim, a cada atividade est associado um nico evento C e tantos eventos B quantas forem as entidades que dela participam. O evento B libera as entidades que participaram da atividade a ele relacionada para as filas subsequentes quela atividade. c) As fases A, B e C As trs fases que caracterizam o mtodo so: Fase A:
Unileste
20
Corresponde ao avano do relgio da simulao. Nesta fase o relgio avanado para o instante quando se dar o trmino da prxima atividade. Para tanto, o programa consulta a lista de eventos B e encontra aquele que ocorrer em primeiro lugar. Fase B: Termina a atividade e executa todos eventos B programados para aquele momento, liberando as entidades para as filas subsequentes. Fase C: Executa a verificao das condies de incio de todas as atividades do sistema. Inicia as atividades cujas condies foram satisfeitas, calculando sua durao e programa os eventos B a elas associados. O incio de cada atividade caracterizado pela sada das entidades das filas que a precedem. Uma atividade iniciada quantas vezes sua condio de incio for satisfeita. A ordem de checagem das condies de incio das atividades segue a ordem suas prioridades predefinidas. Quando todas as atividades passveis so iniciadas termina a fase C e retorna-se fase A at a interrupo do programa e/ou seu trmino. Como pode ser notado no incio da simulao, ou seja, quando o relgio est no instante zero, nenhum evento B acontece, pois no existe nenhuma atividade em andamento. Sendo assim, o sistema deve ser modelado de tal forma que no instante zero possa ocorrer o incio de pelo menos uma atividade. Por isto as entidades permanentes so colocadas em filas adequadas antes do incio da simulao. Para as entidades temporrias no existe esta preocupao. Uma ltima e importante considerao sobre a estruturao dos programas diz respeito ao tempo de aquecimento. Grande parte dos sistemas simulados necessitam de um tempo de simulao inicial, onde no se coletam dados estatsticos, para sarem do regime transiente e entrarem no regime estvel de execuo. Este intervalo de tempo denominado tempo de aquecimento do sistema. Isto alcanado com uso de atividades especiais que geram eventos B programados com esta finalidade. A figura a seguir apresenta a estrutura de um programa baseado no Mtodo das 3 fases.
Unileste
21
Exemplo: Problema das Sondas A seguir apresentado o DCA do problema das Sondas.
A seguir apresentada a tabela com a simulao usando o mtodo das 3 fases at o instante de tempo 4,5 h.
Unileste
22
Exerccio:
O setor de manuteno de uma empresa de manufatura opera como descrito no DCA abaixo. Utilizando as tabelas de variveis aleatrias, faa uma simulao manual deste processo usando o Mtodo das Trs Fases at o instante T=15. As atividades tm sua durao descrita em dias. Obs.: Para o desvio aps a inspeo considere que x <=0,20 a mquina no passou na inspeo e x > 0,20 a mquina passou na inspeo.
Unileste
23
Uniforme (0,1) 0,2 0,4 0,5 0,1 0,3 0,8 0,7 0,5 0,6 0,9
Exp(5) 2,9 2,7 5,2 4,2 7,2 8,8 5,1 4,8 6,2 4,9
N(3; 0,5) 2,5 2,9 3,0 3,5 3,3 2,9 3,0 3,1 2,7 3,4
N(0,5; 0,1) 0,4 0,6 0,5 0,5 0,4 0,6 0,4 0,6 0,5 0,6
2.4.2 Abordagem por Eventos Usada desde a dcada de 60 devido a ampla utilizao da linguagem de simulao SIMSCRIPT (originada do trabalho de Markowitz et al em 1963). Enquanto na abordagem pelo mtodo das trs fases temos blocos Bs e Cs, na abordagem por eventos as parties dos eventos so conhecidas como Rotinas de Eventos, que so um conjunto de declaraes que expressam toda as conseqncias lgicas que podem ter origem a partir de um evento. No caso do problema do bilheteiro de teatro tem-se 4 rotinas de eventos: 1 2 3 4 Chegada de pessoas Chegada de chamadas telefnicas Fim do atendimento pessoal Fim da conversa telefnica
Pelo mtodo das trs fases seriam necessrios 4 eventos B e 2 eventos C para expressar somente as atividades de atendimento. Na abordagem por eventos as rotinas incluem eventos tipo B e C na mesma rotina. Assim, o fim de atendimento pessoal e a chegada de pessoas poderiam ser expresso pelo seguinte pseudocdigo:
Liberar a pessoa n Se Tamanho da fila (Ag_Atd_Pessoal) >0 ento: Pega a pessoa n+1 da fila Amostra o tempo de atendimento pessoal Programa fim de atd. pessoal n+1 p/ ocorrer aps o tempo de atendimento Seno se Tamanho da fila (Ag_Atd_Tel)>0 ento: Pega a prxima chamada na fila Amostra o tempo de conversa telefnica Programa o fim de atd. telefnico p/ ocorrer aps o tempo de conversa Seno libera o bilheteiro para a fila (Bilhet_Disponvel) Amostra o tempo de chegada da pessoa n+1 Programa a chegada da pessoa n+1 Se Tam. da fila (Ag_Atd_Pessoal) =0 e Tam. da fila (Bilht_Disponvel) ento:
Unileste
24
Pega o bilheteiro na fila Pega a pessoa n Amostra o tempo de atendimento pessoal Programa fim de atd. pessoal n+1 p/ ocorrer aps o tempo de atendimento Seno coloca a pessoa n na fila (Ag_Atd_Pessoal)
Processamento de uma simulao baseada na abordagem por eventos: 1 Exame do calendrio de eventos para encontrar o prximo evento a ocorrer e mover o relgio da simulao para este ponto. Move o(s) evento(s) que ocorrer (o) neste tempo para a lista de eventos correntes. 2 Mantm o relgio parado e executa todas as rotinas de eventos que esto na lista de eventos correntes. Este ciclo se repete at o fim da simulao. OBS: Na abordagem por eventos a simulao se processa mais rapidamente porque o programa no precisa testar, a cada passo, todos eventos Cs. Ao invs disso, todas as conseqncias lgicas de um evento so previstas nas rotinas de eventos. Por outro lado, a programao de modelos mais complexos fica mais difcil e a possibilidade de desenvolvimento modular fica mais complexa. 2.4.3 Abordagem por Atividades Foi a base original do mtodo das trs fases. Nos EUA, muitos estudiosos confundem estas duas abordagens. Surgiu na Inglaterra e foi usada na linguagem CSL (Buxton & Laski, 1962), desenvolvida pela Esso e IBM. A base desta abordagem so atividades. Os eventos B e C so expressos por atividades. Assim, para o problema do bilheteiro de teatro, teramos as seguintes atividades: 1 2 3 4 5 6 Chegada de pessoas Incio do atendimento pessoal Fim do atendimento pessoal Chegada de chamadas Incio da conversa telefnica Fim da conversa telefnica
Processamento de uma simulao baseada na abordagem por atividades: 1 Exame do calendrio de eventos para encontrar o prximo evento a ocorrer e mover o relgio da simulao para este ponto. 2 Varre repetitivamente todas as atividades, fazendo seus testes de execuo, para descobrir aquelas que podem ser executadas no instante corrente. Este ciclo repetido at a simulao terminar.
Unileste
25
Obs: Este tipo de simulao mais lenta, pois a varredura de todas as atividades deve acontecer a cada avano do relgio. 2.4.4 Abordagem por Processos Usado primeiramente no sistema SIMULA (Dahl & Nygaard, 1966). Para modelar um sistema usando as abordagens anteriores, necessrio que o analista considere o processo (ou ciclo de vida) de cada classe de entidades e quebr-lo em partes fundamentais. Na abordagem por processos, o bloco bsico de construo do modelo o processo de cada classe de entidades. Um processo definido como uma seqncia de operaes atravs das quais uma entidade deve passar durante sua vida no sistema. Cada classe de entidades tem seu prprio processo. Assim, uma simulao baseada em processos consiste num conjunto de processos, pelo menos um para cada entidade. Durante a simulao, entidades sero criadas como membros dessas classes e seguiro o processo previsto para a classe. O programa executivo controla, a cada instante da simulao, o movimento dessas entidades pelos processos. O progresso no movimento da entidade pode ser suspenso por duas condies: Retardos incondicionais: retardos cujos tempos so determinados a priori, normalmente por amostragem. Este tipo de retardo acontece quando uma entidade participa de uma atividade. Retardos condicionais: retardos cujos tempos no so determinados a priori. Isto ocorre quando as entidades tem seu movimento suspenso devido espera de atendimento de condies para prosseguir seu processo (espera em filas). No caso do bilheteiro de teatro teramos, por exemplo, o seguinte processo para a classe de entidades pessoas: 1 Pessoa n chega 2 Amostra o tempo de chegada da prxima pessoa 3 Cria o processo para a pessoa n+1 4 Retarda pessoa n+1 at sua chegada 5 Pessoa n espera at chegar ao incio da fila e o bilheteiro estar livre 6 Pega o bilheteiro 7 Pega a pessoa n na fila 8 Amostra o tempo de atendimento 9 Retarda a pessoa n at o atendimento ser finalizado 10 Libera o bilheteiro 11 Libera a pessoa n Processamento de uma simulao baseada na abordagem por processos:
Unileste
26
Teoricamente um processo uma lista de operaes cronologicamente ordenada. O programa executivo precisa saber em quais pontos uma entidade pode ter seu curso suspenso por retardos condicionais e incondicionais. Desta forma, cada processo deve conter pontos de reativao, nos quais as entidades suspensas retornam ao processo. Um programa executivo deve manter um registro para cada entidade que contenha dois campos: seu tempo de reativao e seu prximo ponto de reativao. O programa executivo deve ento manter duas listas destes registros: 1 Lista de eventos futuros: lista contendo uma seqncia cronolgica de registros daquelas entidades cujo progresso est suspenso incondicionalmente. 2 Lista de eventos correntes: a qualquer instante da simulao, esta lista contm registros de dois tipos de entidades. Primeiro aquelas cujo progresso est suspenso incondicionalmente e cujas reativaes devem ocorrer no instante corrente da simulao. Segundo aquelas entidades cujo progresso est suspenso condicionalmente. O programa executivo a cada instante realiza as seguintes fases: 1 Varre a lista de eventos futuros para determinar o tempo do prximo evento. Avana o relgio da simulao at este instante. 2 Move as entidades, cujo tempo de reativao igual ao tempo corrente, da lista de eventos futuros para a lista de eventos correntes. 3 Varre a lista de eventos correntes e move as entidades que apresentarem condies, ao longo de seu processo, at o mesmo ser completado ou ser suspenso por retardos condicionais ou incondicionais. Se o retardo for incondicional, a entidade ter seus registros movidos para a lista de eventos futuros. O programa registra seu prximo ponto de reativao. Este ciclo repetido at a simulao terminar. 2.5 Gerao de Nmeros Aleatrios e Mtodo do Monte Carlo 1 Nmeros verdadeiramente aleatrios: Exemplos de geradores: > Roleta > Dados
Nota: ambos so geradores muito lentos Simuladores necessitam de longas seqncias de nmeros aleatrios, o que dificulta o uso dos geradores exemplificados. Podem ser usados equipamentos eletrnicos e radioativos para este fim. Este tipo de equipamento mede o nmero de partculas emitidas num curto
Unileste
27
intervalo de tempo. Um aparelho semelhante a um contador Geiger usado para contar essas partculas em cada intervalo de tempo e os resultados obtidos so convertidos em nmeros aleatrios. Por razes bvias, um contador deste tipo no poderia ser usado em um simulador. 2 Nmeros pseudo-aleatrios: A importncia de se produzir seqncias idnticas de nmeros aleatrios reside na garantia que as condies de teste de cada cenrio sejam idnticas e que seja possvel a repetio da simulao. Nmeros aleatrios podem ser gerados e depois armazenados de alguma forma, como por exemplo, em tabelas (Rand Corporation, 1955). O problema que nmeros armazenados dessa forma deixam de ser aleatrios a partir do momento que pode-se prever o prximo nmero observando a tabela! Nmeros pseudo-aleatrios so produzidos por geradores baseados em regras matemticas bem conhecidas. As seqncias produzidas passam em testes idnticos queles usados em seqncias verdadeiramente aleatrias. Congruenciais Congruenciais multiplicativos
Tipos de geradores:
3 Geradores Congruenciais: Proposto primeiramente por Lehmer (1951). A seqncia obtida da seguinte relao: Xi a seqncia de inteiros no intervalo (0, m-1)
X i1 aX i c(mod m)
c, a e m so constantes, onde a chamado de multiplicador, c de incremento ou constante aditiva e m de mdulo. X0 o valor inicial da seqncia, tambm chamado de semente. mod m o resto da diviso por m. No caso, o resto da diviso de (Xi + c) por m. Exemplo: seja X0=4, a=3, c=0 e m=5 i 0 1 2
Xi 4 2 1
Unileste
28
3 4 5 Obs: 1 - O valor mximo de Xi=m-1 2 Existe periodicidade
3 4 2
Assim, caso se queira produzir valores no intervalo (0,1) deve-se dividir o resultado obtido para Xi por m. Ui=Xi/m Requisitos gerais para estes geradores: A escolha dos valores de a, c e m fundamental para determinar se os nmeros gerados tero uso prtico. Em geral, deseja-se garantir as seguintes caractersticas aos geradores: Os nmeros produzidos devero ser uniformemente distribudos no intervalo (0,1), ou seja, todos os valores dentro desta faixa devero ocorrer com igual freqncia. Os nmeros gerados devero ser independentes um do outro. Comprimento do ciclo deve ser o maior possvel. Devido aos simuladores exigirem um grande nmero de valores, o processo de gerao deve ser rpido para garantir a eficincia da simulao. Xi (0,m - 1) e Ui(0,1)
4 Geradores congruenciais multiplicativos: Neste caso, c=0 e X0 0
X i1 aX i (mod m)
Para garantir um perodo completo dentro do intervalo (0, m 1), o valor da semente X0 e do mdulo m devem ser primos entre si. A melhor maneira de garantir esta condio encontrar o maior nmero primo possvel para o mdulo. Um gerador muito utilizado que tem boa aceitao estatstica usa a=16.807 e m=231-1=2.147.483.647. Fishman (1978) sugeriu a=630.360.016 e m=2.147.483.647. Groenendaal (1992) sugeriu a=397.204.094 e m=950.706.376. Ambos tiveram boas caractersticas estatsticas.
Unileste
29
5 Amostragem aleatria simples Mtodo de Monte Carlo: O mtodo de Monte Carlo baseia-se num conceito estatstico simples: Seja x uma varivel aleatria com as seguintes caractersticas: 1 Funo de distribuio de probabilidades f(x) 2 Funo cumulativa de probabilidades F(x) Se y=F(x), ento y tem uma distribuio uniforme sobre o intervalo fechado (0,1). Assim, como a funo cumulativa de probabilidades representa as caractersticas aleatrias da varivel em questo, a funo y=F(x) uma relao entre duas variveis: Varivel x, com distribuio aleatria prpria; Varivel y, com distribuio uniforme, entre 0 e 1. O mtodo de Monte Carlo consiste nos seguintes passos: 1 Dada a funo cumulativa de probabilidades da varivel em simulao, sorteia-se um nmero (atravs de um gerador de nmeros aleatrios) no intervalo (0,1). 2 Usando a funo cumulativa de probabilidades, determinar o valor da varivel x que corresponde ao nmero aleatrio gerado. Assim, pode-se definir o Mtodo de Monte Carlo como sendo uma forma de transformar um conjunto de nmeros aleatrios (distribuio original) em outro conjunto de nmeros (variveis aleatrias), com a mesma distribuio da varivel considerada.
Unileste
30
3 Teoria das Filas 3.1 O que so filas? Um sistema com fila qualquer processo onde os usurios oriundos de uma determinada populao chegam para receber um servio pelo qual esperam, se for necessrio, saindo do sistema assim que o servio complentado. Exemplos: Descontar um cheque em um banco; Pagar compras em um supermercado; Comprar um ingresso num cinema; Pagar pedgio na estrada; Lingotes aquecidos, esperando serem laminados em uma aciaria; Caminhes em uma mineradora, esperando junto a uma carregadeira, a vez de serem carregados com minrio; Entre outras vrias situaes...
Filas no so simpticas Lei de Murphy: a fila que anda a outra, mas no adianta trocar de fila pois a fila que anda a outra. Filas so Dispendiosas Filas em equipamentos de produo podem ocasionar aumentos no ciclo de produo, tendo como conseqncia aumento nos custos e atrasos nos pedidos dos clientes. Estrutura Bsica de um sistema com Fila Um sistema com fila composto fisicamente por usurios, por canais ou posto de servio/atendimento e por um espao designado para a espera.
Unileste
31
3.2 Caractersticas de uma Fila A) Clientes e Tamanho da Populao Populao infinita chegadas independentes: a chegada de um novo cliente no afeta a taxa de chegada dos clientes subseqentes. Populao Finita ou pequena a chegada um novo cliente afeta a taxa de chegada dos clientes subseqentes. Por exemplo: Numa Minerao, na qual existem 3 caminhes. B) Processo de Chegada 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. Exemplo: Pedgio. 20 automveis por minuto ou 1 automvel a cada 3 segundos. = Ritmo (taxa) de Chegada e IC = Intervalo entre chegadas. Obs: Intervalos regulares - processos altamente automatizados. C) Processo de Atendimento Exemplo: Pedgio. Atendente atende 6 veculos por minuto ou gasta 10 segundo para atender um veculo. = Ritmo ou taxa de atendimento e TA = Tempo de atendimento. D) Nmero de Servidores Quantidade de servidores que atendem aos clientes. E) Disciplina da Fila FIFO = First in, first out; LIFO = Last in, first out Prioridade = Uma caracterstica do cliente define sua prioridade de atendimento. Randmico = Atendimento aleatrio. F) Tamanho Mdio da Fila Se e so constantes => o tamanho da fila oscila em torno de um valor mdio. Se < a fila aumentar indefinidamente.
Unileste
32
G) Tamanho Mximo da Fila Os clientes devem aguardar em uma rea de espera que deve ser dimensionada de acordo com o tamanho mximo esperado para a fila. H) Tempo Mdio de Espera na Fila O tempo mdio de espera depende dos processos de chegada e atendimento. 3.3 Dinmica de uma Fila Exemplo: Um banco Chegada: Cliente Intervalo Momento 1 2 2 2 3 5 3 3 8 4 3 11 5 5 16 6 0 16 7 1 17 8 5 22 9 1 23 10 4 27 11 1 28 12 2 30
IC = 2,5 minutos (mdia) = 24 clientes por hora Atendimento: 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
TA = 2 minutos (mdia) = 30 clientes por hora Dinmica do Funcionamento

Atendimento
Fila
Unileste
33
Tempo Mdio na Fila Cliente Tempo na Fila 1 0 2 0 3 0 4 0 5 0 6 3 7 4 8 0 9 3 10 1 11 3 12 2
Total de Clientes Atendidos: 12 Tempo Mdio na Fila (TF) = (3+4+3+1+3+2)/12 = 16/12 = 1,33 minuto Nmero mdio de clientes na fila (NF) = (3+4+3+1+3+2)/35 = 0,46 cliente Sistemas Estveis Fluxo mdio de entrada () constante. Ritmo mdio de atendimento () constante. > Dimensionando filas Um estudo sobre um sistema estvel, apresentar sempre os mesmos resultados desde que adequadamente analisado. O tamanho da amostra fundamental. 3.4 Tipos de Filas Uma fila e um nico servidor
Clientes
Servidor
Populao
Fila
Atendimento
Uma nica fila e diversos servidores
Servidor
Clientes
Servidor
Populao
Fila
Servidor
Atendimento
Unileste
34
Unileste
35
Diversas filas e os correspondentes servidores

Clientes
Servidor
Servidor
Populao
Servidor
Filas
Atendimento
Sistemas Complexos de Fila
Clientes
Servidor Servidor Servidor
Populao
Fila
Servidor
Servidor
Atendimento 2
Atendimento 1
Filas Especiais Ex.: Caixa rpido em supermercados 3.5 Variveis Aleatrias Fundamentais Variveis referentes ao sistema: TS = tempo mdio de permanncia no sistema NS = nmero mdio de clientes no sistema Variveis referentes ao processo de chegada: = ritmo mdio de chegada IC = intervalo entre chegadas por definio: IC = 1/ Variveis referentes fila: TF = tempo mdio de permanncia na fila NF = nmero mdio de clientes na fila
Unileste
36
Variveis referentes ao processo de atendimento: TA = tempo mdio de atendimento ou servio c = quantidade de atendentes ou servidores NA = nmero mdio de clientes que esto sendo atendidos = ritmo mdio de atendimento de cada atendente por definio: TA = 1/ Relaes bsicas: NS = NF + NA TS = TF + TA Pode-se demonstrar tambm que: NS = NF + / = NF + TA/IC Taxa de utilizao dos atendentes: Para 1 fila e 1 servidor: = / Para 1 fila e c servidores: = /(c ) Assim, representa a frao mdia de tempo em que cada servidor est ocupado. Para sistemas estveis, tem-se que : < 1.
Clientes na fila Sistema
Cliente que est sendo atendido
Servidor
Servidor
Populao
Servidor
Chegada IC
Fila TF NF
Atendimento c TA NA
Sada
Sistema TS NS
Unileste
37
Intensidade de trfego ou nmero mnimo de atendentes: i = | / | = |TA/IC| i o prximo valor inteiro que se obtm pela diviso / . Assim, i representa o nmero mnimo de atendentes necessrio para atender a um dado fluxo de trfego. Unidade de i = erlangs (em homenagem A. K. Erlang). Frmulas de Little (J. D. C. Little): NF = . TF NS = . TS Postulados bsicos: 1 - Em qualquer sistema estvel, o fluxo que entra igual ao fluxo que sai.
...
2 - Em um sistema estvel, o fluxo de entrada se mantm nas diversas sees do sistema.
3 - Em um sistema estvel, a juno de fluxos equivale s suas somas. 3 = 1 + 2
1 2
A B
1 2 C
4 - Em um sistema estvel, o fluxo se desdobra aritmeticamente.

1 =20 80% 3 =16 2 =4 20% 3 =16
A B
2 =4
Unileste
38
Resumo das Frmulas 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 NS NF / NF TA / IC TS TF TA NA / c NS . TS NF . TF Ciclo TS TFS Ciclo (tam . da populao )/
Frmulas de Little Ciclo
Exemplo 1: Em uma fbrica observou-se o funcionamento de um dado setor, em que =20 clientes / hora, =25 clientes por hora e TS = 0,3 hora. Pede-se o tamanho mdio da fila. Para o mesmo exemplo calcular o nmero mdio de clientes no sistema (NS) e nmero mdio de clientes sendo atendidos (NA). 3.6 Modelos de Filas 3.6.1 Notao de Kendall Fila A/B/c/K/m/Z onde: A = distribuio dos intervalos entre chegadas B = distribuio dos tempos de servio c = quantidade de servidores (atendentes) K = capacidade mxima 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 exp. Negativa, usa-se M (Marcoviana).
Unileste
39
3.6.2 O Modelo M/M/1 Tanto as chegadas quanto o atendimento seguem a distribuio de Poisson ou a Exponencial Negativa (ou marcovianos).
Clientes
Servidor
Populao
Fila
Atendimento
Medidas de Desempenho:
Medida de Desempenho Taxa de Ocupao: Frmula
Nmero Mdio de Usurios na Fila:
2 2 = = (1 ) ( ) = = ( ) ( ) = (1 ) ( ) = 1
Tempo Mdio de espera na fila:
Nmero Mdio de Usurios no sistema:
Tempo mdio de permanncia no sistema: Probabilidade de no encontrar ningum no sistema: Probabilidade de Encontrar elementos no sistema: Probabilidade do tempo de espera na fila ser maior que um tempo > 0:
0 = 1
= 1 ()
> =
Taxa de Utilizao
2 2 NF ( ) 1
Unileste
40
Quando tende p/ 1 a fila tende a aumentar infinitamente. Exemplo: A cabine telefnica 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? b) Qual o nmero mdio de pessoas na fila? c) Qual o nmero mdio de pessoas no sistema? d) Qual o nmero mdio de clientes usando o telefone? e) Qual o tempo mdio de fila? f) Para qual ritmo de chegada teramos a situao em que o tempo mdio de espera na fila seria de 3 minutos? g) Qual a frao do dia durante a qual o telefone est em uso?
Unileste
41
3.6.3 O Modelo M/M/c Tanto as chegadas quanto o atendimento seguem a distribuio de Poisson ou a Exponencial Negativa (ou marcovianos) e o sistema possui servidores.
Servidor
Clientes
Servidor
Populao
Fila
Servidor
Atendimento
Medidas de Desempenho:
Medida de Desempenho Taxa de Ocupao: Frmula
= ; = = 0 +1 !
Nmero Mdio de Usurios na Fila:
Tempo Mdio de espera na fila:
= 0 ( 1)! +1 = + 0 ! =
Nmero Mdio de Usurios no sistema:
Tempo mdio de permanncia no sistema:
1 + 0 ( 1)!
1
Probabilidade de no encontrar ningum no sistema:
0 =
=0
+ ! ! ( )
Probabilidade de Encontrar elementos no sistema:
0 = 0
, ! ,
1 <
Probabilidade do tempo de espera na fila ser maior que um tempo > 0:
> = 0
! (1 )
Unileste
42
Exemplo: O fechamento de vrias agncias bancrias ao redor da agncia X, provoca nesta uma taxa de chegada de 0,60 clientes por minuto. Como ela possua apenas um caixa, ela no pode atender satisfatoriamente os clientes com um nico servidor. O gerente deve, ento, colocar caixas de atendimento em paralelo. Considerando que a taxa de atendimento seja de 0,50 clientes por minuto, faa o que se pede: a) Analise o comportamento do sistema, se o gerente colocar mais dois caixas. b) Dependendo dos resultados obtidos no item a, proponha modificaes e analise o comportamento do novo sistema.
Unileste
43
3.7 Lista de Exerccios Teoria das Filas

(1) Em uma minerao cada caminho efetua um ciclo em que 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 ao britador de 12 minutos e que, em mdia, existem 6 caminhes (NS) no setor. a) Qual a taxa de chegada de caminhes? (R.: 0,5 chegadas por minuto) b) No mesmo sistema acima, existindo um total de 30 caminhes em servio, qual a durao de um ciclo? (R.: 60 minutos) c) No mesmo sistema acima, qual o tempo mdio para o processo completo de carregamento (ou TFS: Tempo Fora do Sistema)? (R.: 48 minutos) (2) Em uma pizzaria que faz entregas em casa, chegam, em mdia, 4 entregadores p minuto para pegar o produto a ser entregue. Sabe-se, ainda, que o nmero mdio de entregadores dentro da pizzaria de 6 (NS). a) Qual o tempo mdio no sistema? (R.: 1,5 minutos) b) No mesmo sistema anterior, existem 40 entregadores. Qual o tempo mdio da entrega (TFS)? (R.: 8,5 minutos) (3) Em um sistema de computao temos 21 terminais. O tempo mdio de resposta do computador (TS) de 2 segundos e existem, em mdia, 6 transaes (NS) dentro do sistema. Pede-se: a) Qual a taxa de chegada de transaes? (R.: 3) b) Qual a durao de um ciclo? (R.: 7) c) Qual o tempo mdio de pensar e fornecer dados (TFS) ? (R.: 5) (4) No desenho seguinte, representativo do fluxo de peas em um setor de uma fbrica, calcule o fluxo de chegada em cada equipamento. (R.: A=10, B=20, C=10, D=30, E=9, F=21)
= 10
A B
C
30%
E D
70%
= 20
(5) Clientes chegam a uma barbearia em um ritmo de 3 por hora e o servio demora, em mdia, 16 minutos. a)Qual o tempo mdio de espera na recepo? (R.: TF= 1,07h) b) E no sistema? (R.: TS=1,33h) c) Qual a probabilidade de existirem 3 clientes esperando?
Unileste
44
(6) Pessoas chegam a uma bilheteria de um teatro a um ritmo de 25 por hora. O tempo mdio de atendimento da bilheteria de 2 minutos. Calcule o tamanho da fila, tempo mdio de espera e a frao de tempo em que a bilheteria no trabalha. (R.: NF=4,16 e TF=0,167 (tempo ocioso=17%)). Determine tambm a probabilidade de existirem 2 clientes na fila do teatro. (7) Em um sistema de filas seqenciais (ver figura), no qual as peas fluem pela linha de produo, temos: 1=10, 2=5, 1=15, 2=30, 3=20 1 1 3 3 2 2 3
Calcule: a) NF, TF, NS e TS para cada servidor RESPOSTA: Servidor 1 2 3 10 5 15 15 30 20 NF 1,33 0,03 2,25 TF 0,13 0,007 0,15 NS 0,20 0,04 0,20 TS 2 0,2 3
b) NS e TS para o sistema como um todo. (R.: NS=5,2; TS1=0,40 e TS2=0,24) (8) Em um setor de uma fbrica, o produto que est sendo fabricado chega para receber componentes adicionais, trabalho este realizado por um operrio. Aps instalados os componentes, o produto inspecionado por um profissional qualificado. Os produtos que passam na inspeo vo para o outro setor da fbrica e os que so rejeitados (20%) vo para uma rea de reparo existente no prprio setor. Atualmente os dados so os seguintes (distribuio exponencial): A cada 40 minutos chega um novo produto ao setor; O instalador gasta 25 minutos para instalar os componentes; O inspetor gasta 5 minutos para inspecionar o trabalho realizado; O reparador gasta 10 minutos para efetuar os reparos necessrios; Os tempos de deslocamentos do produto entre as estaes de trabalho so iguais a 1 minuto. Pede-se: a) NF, NS, TF e TS para cada servidor. RESPOSTA: Servidor 1 2 3 1,5 1,5 0,3 2,4 12 6 NF 1,04 0,02 0,002 TF 0,69 0,01 0,009 NS 1,67 0,14 0,05 TS(hora) TS(min) 1,1 66 0,09 5,4 0,18 10,8
b) NS e TS para o sistema como um todo. (R.: NS=1,86 e TS=75,76)

Unileste
45
(9) Em uma pedreira, caminhes chegam para descarregar em um britador, provenientes de 2 minas diferentes. O tempo mdio para descarregar um caminho de 2 minutos. Os caminhes chegam da mina 1 a intervalos mdios de 3 minutos e da mina 2 a intervalos mdios de 12 minutos. Supondo que os processos de chegada e atendimento sejam marcovianos (modelo M/M/1), determinar qual espao dever ser disponibilizado na praa do britador (quantos caminhes a praa deve comportar) para que as operaes sejam realizadas satisfatoriamente. (10) A prefeitura de uma cidade deseja colocar um pedgio na entrada de uma ponte. Ruas de mo nica (sentido unidirecional) convergem para esta ponte como mostrado na figura abaixo. O pedgio ser colocado no ponto P. Os carros passam pelo ponto A uma taxa 40 carros / hora. Chegando ao ponto B h uma diviso do fluxo de carros, sendo que 25% se dirigem na direo do ponto E e 75% na direo do ponto F. O intervalo mdio entre passagens de dois carros consecutivos pelo ponto D de 4,7 minutos e pelo ponto C de 3,5 minutos. Sabendo-se que o tempo mdio gasto para o pagamento e liberao do pedgio de 38 segundos, qual ser o tempo mdio de espera dos carros no ponto P e qual ser o tamanho mdio da fila naquele ponto, se considerarmos a existncia de um nico caixa de atendimento. Calcule tambm a taxa de ocupao do caixa. Suponha que os processos de chegadas e atendimento sejam Markovianos.
(11) Uma lanchonete est estudando a possibilidade de oferecimento de servio de atendimento expresso a motoristas de forma a otimizar o atendimento a clientes que querem levar seus lanches para casa. Neste servio, os clientes fazem seus pedidos, pagam e recebem suas mercadorias sem a necessidade de sair do carro. Ao chegarem a lanchonete os carros entram num corredor que possui trs cabinas espaadas umas das outras. Ao passar pela primeira cabina um funcionrio anota o pedido do cliente num terminal de computador e o encaminha para o setor de produo. O carro segue em frente e ao passar pela segunda cabina, o cliente efetua o pagamento do pedido. Aps o pagamento, o carro segue at a terceira cabina onde recebe o pedido devidamente empacotado. Assumindo que os processos de chegada e atendimentos nas diversas cabinas sejam Marcovianos, determinar qual seria o espao a ser reservado antes de cada cabina (suponha que cada carro ocupe um espao mdio de 5 metros) de forma que o fluxo de uma cabina no prejudique o funcionamento da anterior e que o espao antes da primeira cabina seja adequado espera. Assuma que cheguem em mdia 16 carros por hora, que a cabina de pedidos consiga atender em mdia 30 carros por hora e que a cabina de pagamentos e entrega consigam atender, cada uma, uma mdia de 24 carros por hora. Calcular tambm o tempo mdio de permanncia dos clientes no sistema.
Unileste
46
(12) Est sendo planejada a sada do estacionamento de um shopping Center onde pago, num nico guich, o ticket pela estadia dos carros. Os carros chegam ao guich segundo um processo de Poisson com taxa de 60 veculos por hora e o tempo necessrio para se processar a cobrana e permitir a sada do veculo est exponencialmente distribudo com mdia de 10 segundos. a) Qual a taxa de utilizao do sistema? (R.: 16,67%) b) Qual o nmero de carros mais provvel no sistema? (Sugesto: Calcule os valores de ) (R.: Zero) c) Qual o espao necessrio (em nmero de carros) no sistema para que, com pelo menos 95% de certeza, os veculos aguardando liberao no interfiram no resto da operao? (Sugesto: Calcule os valores de e v somando-os at que o percentual seja superior a 95%) (R.: 1 carro) d) Qual o tempo mdio de espera na fila de um cliente qualquer? (R.: 2 segundos)
(13) Deseja-se determinar a taxa de chamadas que pode ser suportada por uma central telefnica com as seguintes caractersticas: - durao mdia das chamadas de 3 minutos; - podem ser tolerados, no mximo, 3 minutos de tempo mdio de espera na fila; - o sistema pode ser modelado com um modelo M/M/1. (R.: 0,17 chamadas / minuto) (14) Qual a taxa de atendimento que um empregado de supermercado deve manter para garantir com uma probabilidade de 90% que um cliente aguarde pelo atendimento no mximo 12 minutos? Ele o nico empregado do supermercado e atende em tempos exponenciais os clientes que chegam segundo um processo de Poisson com parmetro 15 clientes por hora. (R.: 0,402 clientes por minuto) (15) Uma companhia telefnica tem dois operadores para atender chamadas que chegam segundo uma distribuio de Poisson com taxa de 15 chamadas por hora. Os tempos de atendimento de cada operador so exponencialmente distribudos com mdia igual a 5 minutos. Calcule as medidas de desempenho do sistema e comente os resultados. (R.: 0 = 0,23; =0,625; NF=0,80 chamadas; TF = 3,19 min.; NS= 2,05 chamadas; TS = 8,19 min.; Probabilidade de no ter que aguardar atendimento = 0,52) (16) Clientes de uma padaria so atendidos por quatro balconistas, cada um deles capaz de atender em mdia 360 fregueses por hora, estando seus tempos de atendimento idntica e exponencialmente distribudos. Os fregueses chegam padaria de acordo com um processo de Poisson com taxa de 80 clientes por hora. a) Determine a frao de tempo que um balconista qualquer est desocupado. 3 1 (R.: 94,44%) Sugesto: Faa = 0 + 4 1 + 2 2 +
1 . 4 3
b) Calcule a probabilidade de que existam mais de trs fregueses no sistema. (R.: 0,1 %) Sugesto: Faa > 3 = 1 (0 + 1 + 2 + 3 )
Unileste
47
(17) Em uma estao de trens h cinco telefones pblicos. Pessoas chegam para telefonar segundo um processo de Poisson com taxa de 30 usurios por hora. O tempo mdio de uma chamada de 36 segundos, sendo a durao das mesmas idntica e exponencialmente distribuda. Determine: a) O valor esperado do tempo que uma pessoa deve aguardar por um telefone. (R.: 0) b) A probabilidade de que esta espera exceda 1 minuto. (R.: 0) c) O nmero esperado de pessoas usando ou esperando um telefone. (R.: 0,3 usurios) d) E se houvessem trs telefones apenas, como ficariam os resultados anteriores? (18) Navios chegam a um porto com taxa de um navio por hora, estando o tempo entre chegadas sucessivas distribudos exponencialmente. O tempo de permanncia de um navio qualquer no porto (carregando e/ou descarregando) est exponencialmente distribudo com mdia de 12 horas. Quantos beros o porto deve ter para que o tempo mdio de espera na fila no exceda 6 horas? (R.: 14 beros). (19) Uma oficina de reparo de aparelhos eletrodomsticos recebe itens para concerto que chegam segundo um processo de Poisson de parmetro trs aparelhos por hora. Cada aparelho consertado por um eletricista que leva um tempo mdio de 40, estando esse tempo exponencialmente distribudo. Quantos tcnicos so necessrios para que o nmero mdio de aparelhos aguardando conserto no ultrapasse 15 unidades? (R.: 3 tcnicos) (20) Clientes chegam a um banco segundo um processo de Poisson de parmetro 3 clientes por minuto. O tempo de atendimento de um caixa qualquer segue uma distribuio exponencial com mdia de 0,5 minutos. Qual o menor nmero de caixa para atendimento simultneo que deve ser mantido, de forma que sejam satisfeitas as duas condies a seguir: a) A probabilidade de um cliente qualquer no aguardar por atendimento seja maior ou igual a 0,9; b) O tempo mdio de espera na fila de um cliente qualquer ser menor que a metade do tempo mdio de servio? (R.: 4 caixas)
Unileste
48
Bibliografia Utilizada
ANDRADE, E. L. Introduo a Pesquisa Operacional. 3. ed., Rio de Janeiro: LTC, 2004. PRADO, D. Teoria das Filas e da Simulao. INDG Tecnologia e servios Ltda., Coleo Pesquisa Operacional, Vol. 2, 2. ed., 2004. CHWIF, L.; MEDINA, A. F. Modelagem e Simulao de Eventos Discretos. 2. ed., So Paulo: Editora dos autores, 2007. PIDD, M. Computer Simulation in Management Science. John Wiley & Sons Ltda., 5. ed., 2004. FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria das Filas. Rio de Janeiro: Intercincia, 2007.

SED Apostila v30

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SED Apostila v30

Enviado por

Direitos autorais:

Formatos disponíveis

Coronel Fabriciano Fevereiro de 2012 Professor: Alosio de Castro Gomes Jnior Verso 3.

Informaes so relevantes? Problema Certo? Experincia e Intuio

Novas Percepes Aceitar ou Rejeitar

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Sistema Real Existente Sistema Reduzido s Variveis Principais

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Processo de deciso com Modelos de Otimizao

Dados e Informaes do Sistema

Modelo de Otimizao Representao do Sistema Critrio de seleo alternativa Soluo tima

Processo de deciso com Modelos de Simulao

Hiptese 1 Hiptese 2 Hiptese 3

PROCESSO DE ESCOLHA DA MELHOR DECISO

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Fases de um estudo de Simulao Formulao do Problema e Coleta de dados

Identificao das Variveis e das Condies do sistema

Validao dos Modelos com Dados Histricos

Elaborao do Programa Computacional

Realizao dos Experimentos

Anlise dos Resultados

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Captulo 2: Simulao Eventos Discretos

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Maq. 2 Maq. 2 Maq. 2

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

2.4 Abordagens Usadas em Simulao

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

3 4 5 Obs: 1 - O valor mximo de Xi=m-1 2 Existe periodicidade

4 Geradores congruenciais multiplicativos: Neste caso, c=0 e X0 0

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.

Notas de aula Simulao a Eventos Discretos

Prof. Alosio Gomes Jr.