Captulo 6

Sistemas de Filas de Espera

Uma fila de espera ocorre sempre que a demanda por um servio excede
num dado instante a capacidade do sistema para prover o servio. Um sistema de fila de
espera um conceito mais geral do que simplesmente pessoas aguardando em fila para
receberem atendimento em um estabelecimento de prestao de servios. Podemos citar
alguns exemplos de sistemas de filas de espera, como a seguir: atendimento de chamadas
telefnicas de uma companhia, o sistema de atendimento ao consumidor (normalmente
designado pela sigla SAC), processos esperando em fila pela execuo numa rede de
computadores e avies que chegam e solicitam permisso para aterragem num aeroporto,
dentre outros.
Em anlises de sistemas de filas de espera normalmente desejamos obter
informaes objetivas sobre a capacidade de servio que deve ser disponibilizada aos usurios
e os custos operacionais envolvidos desde a espera at o atendimento. Se por um lado a
capacidade de servio for insuficiente, tempos de espera excessivos podem implicar em custos
adicionais por perdas de consumidores e ociosidade da parte de quem espera, enquanto que,
por outro lado, oferecer muita capacidade de servio requer investimentos e pode levar
ociosidade ao sistema de atendimento. A teoria de filas de espera trabalha, portanto, com
objetivos conflitantes. Dado um modelo, a principal motivao para seu estudo est na busca
de solues que representem um ponto de equilbrio entre os conflitos.
H um grande nmero de modelos matemticos de filas de espera que
permite descrever diferentes situaes observadas na prtica. Existem modelos elementares
para descrever sistemas de filas com um nico atendente em que o nmero mximo de
consumidores permitido no sistema ilimitado, assim como tambm aqueles sistemas que so
to complexos que se mostram mais adequados para serem resolvidos atravs de simulao
computacional ao invs da utilizao de modelos analticos.
Normalmente, quando estudamos sistemas de filas procuramos respostas
sob a forma de medidas objetivas que sejam capazes de orientar o projetista do sistema. As
grandezas mais comuns so:
202
o tempo mdio que um usurio aguarda pelo atendimento;
o grau de ociosidade do sistema de atendimento;
o nmero mdio de usurios no sistema;
o nmero mdio de usurios na fila.

Uma caracterstica normalmente exibida pelos sistemas de filas mais
complexos a incerteza dos dados de entrada. Por exemplo, na maioria dos sistemas de filas,
no possvel precisar exatamente em que instante um usurio ir acessar o sistema e nem
tampouco quanto tempo vai durar o seu atendimento. Um sistema desse tipo dito de
natureza estocstica e o seu funcionamento descrito como um processo estocstico.

Com o objetivo de descrever os principais modelos analticos de sistemas de
filas de espera, vamos apresentar a seguir uma notao universalmente aceita: a notao de
Kendall-Lee. Tambm sero apresentados elementos bsicos de sistemas de filas.

6.1 Elementos Bsicos de Sistemas de Filas e Notao de Kendall-Lee

Em qualquer sistema de filas podemos identificar os seguintes elementos:

a fila propriamente dita, que caracterizada essencialmente por aqueles indivduos que no
so atendidos assim que chegam e podem esperar pelo servio;
o servidor que tem a funo de prover o servio ao usurio, que pode ou no seguir uma
sistemtica de atendimento, identificando-se a o atendente e o mecanismo de servio;
a fonte de usurios do sistema de filas.

A Figura 6.1 ilustra os elementos bsicos de um sistema de filas de espera.






Figura 6.1: Elementos bsicos de um sistema de filas.
Fonte de
usurios
Fila Servidor
consumidores consumidores
servidos
203
A fonte de usurios do sistema de filas composta pelos consumidores
potenciais do servio oferecido pelo sistema. Uma caracterstica da fonte de usurios o seu
tamanho. Por exemplo, o escritrio de uma seguradora de veculos oferece atendimento aos
seus segurados numa cidade. O nmero de usurios que demandam pelos servios oferecidos
pelo escritrio um subconjunto pequeno da populao da cidade. No devemos confundir o
tamanho da fonte de usurios com a capacidade do sistema de fila. A capacidade do sistema
est associada ao mximo nmero de usurios que o sistema pode comportar num dado
perodo de seu funcionamento. Numa modelagem simplificada, geralmente supomos que a
fonte e a capacidade do sistema so ilimitadas e a razo para isto que as expresses resultam
mais simples e conduzem a clculos mais fceis. Todavia, podemos ter um modelo em que a
capacidade do sistema limitada e a fonte de usurios, mesmo no sendo infinita, mas por ter
um tamanho muito grande suposta infinita. Neste ltimo caso, as expresses sero mais
complexas que na abordagem simplificada.
O comportamento estatstico dos consumidores para acessarem o sistema de
filas pode ser descrito por uma distribuio de probabilidades emprica que pode ser
representada por um modelo analtico conhecido de probabilidade. O modelo de Poisson
comumente usado para descrever a forma como os consumidores so gerados pela fonte e,
para definir completamente essa distribuio, necessrio ter apenas a taxa mdia de
chegadas.
Um aspecto importante associado fila a ordem com que os usurios so
selecionados para o atendimento. Isto referido como disciplina da fila. Por exemplo, o
critrio adotado pode ser primeiro a chegar, primeiro a ser atendido, ou alguma outra ordem.
O tempo transcorrido desde o comeo do atendimento at a sua concluso
para um consumidor que est recebendo o servio o tempo de servio. Para descrever o
atendimento, devemos especificar uma distribuio de probabilidade para os tempos de
servio. A distribuio mais comumente especificada para tempos de servio a distribuio
exponencial.
Diante do exposto, percebemos que pode haver uma grande variedade de
combinaes de caractersticas de sistemas de filas, sendo que cada uma dessas combinaes
implicar num modelo diferente. Da surge a notao atribuda a Kendall e a Lee. O uso desta
notao tem a finalidade de descrever os sistemas de filas de espera de modo claro e objetivo.

204
A notao de Kendall-Lee consiste de rtulos dispostos em forma
seqencial como mostra o exemplo ilustrado na Figura 6.2, de modo que cada rtulo possui
um significado.

M / M / s : FIFO / C / K
Distribuio
dos tempos
entre
chegadas
Distribuio
dos tempos de
servio
Nmero de
servidores
Disciplina
da fila
Nmero
mximo de
consumidores
no sistema
Tamanho
da fonte
de
usurios

Figura 6.2: Um exemplo de notao de Kendall-Lee.

O primeiro campo descreve o processo de chegada e o segundo campo o
modelo estatstico do atendimento. As letras mais usadas so as seguintes: M , D, E e G .
M no primeiro campo significa que o processo de chegada do tipo Poisson e os tempos
entre chegadas tm distribuio exponencial. M no segundo campo quer dizer que o
atendimento segue o modelo de Poisson e os tempos de atendimento obedecem a distribuio
exponencial. A letra M uma aluso ao termo markoviano implicando em distribuio
exponencial para tempos de servio e tempos entre chegadas, de acordo com o que est
demonstrado na seo 5.4 que trata de processos de Markov de tempo contnuo. As demais
letras significam: D determinstico, G uma distribuio genrica e E a distribuio de
Erlang. Quanto ao smbolo G , um sistema de filas, por exemplo, do tipo 1 / / G M , tem
distribuio exponencial dos tempos entre chegadas, os tempos de atendimento possuem
distribuio genrica, o sistema possui um atendente, a disciplina da fila FIFO (first-in-first-
out), a capacidade do sistema infinita e a fonte de usurios ilimitada. Se o modelo de filas
tem distribuio genrica, as grandezas de desempenho do sistema ficam em funo da
esperana matemtica, ) (S E . Neste caso, os tempos de servio so genericamente
distribudos de acordo com uma varivel aleatria genrica, S .
A disciplina da fila, alm de FIFO, pode ser LIFO, que significa ltimo a
chegar, primeiro a ser atendido, ou PRI, se para o atendimento observada alguma
prioridade.
Na prxima seo trataremos dos principais conceitos e parmetros de
sistemas de filas. Posteriormente, obteremos expresses analticas de clculo de desempenho
de sistemas de filas iniciando o estudo pelo modelo mais simples, que o 1 / / M M .

205
6.2 Conceitos bsicos e parmetros de sistemas de filas

Conhecer a terminologia empregada nos estudos de sistemas de filas o
primeiro passo no estudo dessa rea da Pesquisa Operacional.
Definiremos a seguir alguns termos bsicos sobre filas de espera.

Definio 6.1: (Cliente) Elemento que chega e requer atendimento. Os clientes podem ser
pessoas, mquinas, peas, torcedor que vai comprar ingressos, cartas que chegam e devem ser
entregues, carros estacionados, etc.
Alguns sinnimos so usados para o termo cliente, tais como consumidor e
usurio.

Definio 6.2: (Canal de atendimento) Processo ou pessoa que realiza o atendimento do
cliente. comum usar o termo atendente para referir ao canal de atendimento. Como
exemplos podemos citar a impressora que executa as requisies de impresses numa rede de
computadores, o vendedor de ingressos, o carteiro, o estacionamento, etc.

Quanto capacidade C do sistema e o nmero s de atendentes, os sistemas
de filas podem ser classificados como est ilustrado no esquema da Figura 6.3.










Figura 6.3: Um esquema com uma classificao de sistemas de filas.

Os usurios ou clientes chegam ao sistema a uma razo, que determinada
pela quantidade de usurios dividida pelo intervalo de tempo de observao. Esta taxa
Capacidade do
sistema, C
Modelos de
fila
Infinito Finito
nico
nico Mltiplo Mltiplo
Nmero de
canais de
atendimento, s
206
designada como taxa de chegada e representada pela letra (leia-se lmbda) e
calculada conforme (6.1).

tempo de intervalo
chegam que usurios de nmero
= .

(6.1)

A freqncia ou a velocidade com a qual os usurios so atendidos ou
recebem o servio denominada de taxa de atendimento. Esta taxa representada pela letra
(mi) e calculada pela expresso (6.2).

tempo de intervalo
atendidos usurios de nmero
= .

(6.2)

Para tornar mais claras as definies dos parmetros e , vamos resolver
o seguinte exemplo.

Exemplo 6.1: Clientes chegam a um posto de atendimento e observado que num intervalo de
tempo de 5 minutos chegam 6 clientes. Qual a taxa de chegada, ? Se no atendimento, em
mdia, um usurio demanda 40 segundos, qual a taxa de atendimento?

Aplicamos a expresso (6.1) para calcular e obtemos:

minuto clientes 2 , 1
minutos 5
clientes 6
= = .

Para determinarmos a taxa de atendimento, podemos usar o seguinte
raciocnio: se em mdia um atendimento completado em 40 segundos, quantos clientes
sero atendidos num tempo igual a 1 minuto?

x

60
1 40
atendidos clientes tempo

1 60 40 = x
2
3
40
60
= = x .

207
Portanto, a taxa de atendimento minuto clientes
2
3
= .
Os problemas de filas de espera consistem em ajustar adequadamente a taxa
de atendimento do processo com a taxa de chegada do trabalho a ser feito. Do ponto de vista
do projetista, isto feito atravs do correto dimensionamento do nmero de servidores do
sistema de filas. Para entendermos melhor os parmetros e , suponha as seguintes
situaes extremas para um sistema com um nico atendente:

1. Um sistema de fila e atendimento possui uma taxa de chegada maior
que a taxa de atendimento ;
2. Um outro sistema raramente recebe clientes e quando um cliente
aparece este atendido imediatamente. Neste caso, a taxa de chegada
muito baixa e menor que a taxa de atendimento.

As situaes imaginadas merecem alguns comentrios. A primeira situao
no pode em princpio ser resolvida da forma como est: sendo > no h sistema de
atendimento capaz de absorver esta demanda e a fila tende a crescer indefinidamente. Uma
soluo possvel instalar mais guichs de atendimento e dessa forma adequar a taxa de
atendimento s condies da taxa de chegada (isto , tornar < ). Outra soluo, embora
ruim para o cliente, mas aparentemente mais econmica, limitar o nmero de clientes que
chegam ao sistema. Para o sistema que recebe poucos clientes e quando os recebe eles so
rapidamente atendidos, podemos supor que no haver formao de fila. Este , com certeza,
um sistema mal dimensionado. Neste caso, naturalmente algo deve ser feito no sentido de
adequar e .
O parmetro um dado de entrada muito importante nas anlises de
sistemas de filas e, por esta razo, devemos discutir de forma mais aprofundada o seu
significado. Primeiramente vamos supor a chegada de, por exemplo, 5 usurios num sistema
de filas hipottico. Suponhamos tambm que foram anotados os instantes de chegada dos
usurios, denotados por
i
t , com 5 , 4 , 3 , 2 , 1 = i , medidos a partir do instante zero. Esses
tempos so marcados no eixo dos tempos, como ilustra a Figura 6.4.




208



Figura 6.4: Instantes de chegada de usurios num sistema de filas marcados no eixo dos
tempos.

Identificamos na Figura 6.4 os tempos entre chegadas consecutivas, de
modo que para cada usurio possvel associar um nico desses tempos. Neste exemplo,
associamos os tempos entre chegadas aos usurios na seguinte ordem:

1 usurio:
0
1 1
= t T
2 usurio:
1 2 2
t t T =
3 usurio:
2 3 3
t t T =
4 usurio:
3 4 4
t t T =
5 usurio:
4 5 5
t t T =

Os tempos entre chegadas so representados pela letra T para evitar
confuso de notao, conforme ilustra a Figura 6.5.






Figura 6.5: Tempos entre chegadas de usurios num sistema de filas marcados no eixo dos
tempos.

Se aplicarmos aos dados deste exemplo a expresso (6.1), calculamos o
parmetro dividindo o nmero de usurios pelo intervalo de tempo,

tempo de intervalo
chegam que usurios de nmero
=
5 4 3 2 1
5

T T T T T + + + +
= .

1
t
2
t
3
t
4
t
5
t 0
1
t
2
t
3
t
4
t
5
t 0
1
T
2
T
3
T
4
T
5
T
209
Ora, partindo da anlise da ltima expresso imediata a constatao de que
a taxa de chegada o inverso da mdia dos tempos entre chegadas.

Podemos expressar formalmente esta concluso atravs da expresso (6.3),
onde TMC o tempo mdio entre chegadas (que o mesmo que a mdia dos tempos entre
chegadas).

TMC
1
= .

(6.3)

Uma expresso anloga expresso (6.3) relaciona a taxa de atendimento
e a mdia dos tempos de servio, TMS .

TMS
1
= .

(6.4)

Diante do exposto, a segunda parte do Exemplo 6.1 poderia ser resolvida de
forma direta, ou seja, pela aplicao da expresso (6.4), assim,

= segundos 40 TMS
40
1
= ,

que, ao ser convertida para atendimentos por minuto, assume o seguinte valor:

minuto clientes
2
3
40
60
= = .

interessante notar quanto aos parmetros e , que o parmetro em
geral no permite qualquer controle por parte do projetista do sistema de filas, uma vez que
este valor determinado pela fonte de usurios. J o parmetro , embora fortemente
dependente da natureza e volume do servio demandado pelo usurio, pode ser de algum
modo influenciado pelo projetista do sistema de filas, por exemplo, em funo da sistemtica
de atendimento e da habilidade do atendente para realizar o servio.
Depois de levantados os dados e de um determinado sistema de filas
precisamos obter grandezas que representem medidas objetivas da situao operacional da fila
210
em regime estacionrio. Tais grandezas so designadas como medidas de efetividade dos
sistemas de filas.

6.3 Medidas de efetividade dos sistemas de filas

As mais primitivas medidas de efetividade so as esperanas matemticas da
varivel aleatria tempo que os usurios permanecem na fila e da varivel aleatria tempo que
os usurios permanecem no sistema.
Designamos os smbolos T , Q e S para representar as variveis aleatrias
tempo no sistema, tempo na fila e tempo de servio, respectivamente, para um
consumidor selecionado aleatoriamente. Os valores esperados dessas variveis aleatrias so
) (T E , ) (Q E e ) (S E , respectivamente, para T , Q e S .
O tempo de espera o tempo gasto na fila antes de receber o servio e, ao
trmino do perodo de espera, o consumidor imediatamente atendido, natural que o tempo
de permanncia no sistema (sistema entendido aqui como fila em conjunto com servidor)
seja calculado pela soma indicada na expresso (6.5).

) ( ) ( ) ( S E Q E T E + = . (6.5)

A esperana matemtica do tempo de servio, ) (S E , igual a

1
, uma que
esses tempos so exponencialmente distribudos. Alm disso, designamos ) (Q E por
q
W (que
vem do termo ingls waiting time in the queue) e ) (T E pela letra W . A expresso (6.5) pode
ento ser reescrita como mostrada a seguir.

1
+ =
q
W W .
(6.6)

importante frisar que a expresso (6.6) geral, ou seja, ela vale
independentemente do modelo de filas estudado e de suas caractersticas intrnsecas.

A medida de efetividade que se refere ao nmero mdio de usurios no
sistema designada como L (que vem do termo ingls length). Se n for o nmero de
usurios no sistema e
n
P a probabilidade de que existam n usurios no sistema, dado que a
211
varivel aleatria discreta, a esperana matemtica ) (n E trivialmente calculada pela
expresso (6.7).

= =

=0
) (
n
n
nP L n E .

(6.7)

O nmero mdio de usurios na fila designada por
q
L (do ingls, length of
the queue) e definida como a esperana matemtica, ) (
q
n E , obtida pela expresso (6.8).

= =

=s n
n q q
P s n L n E ) ( ) ( .

(6.8)

As medidas de efetividade, W ,
q
W , L e
q
L , formam uma espcie de figura
de mrito do desempenho de um sistema de filas, sendo que, a partir de seus valores,
possvel emitir um parecer consubstanciado sobre a condio operacional do sistema. Por
exemplo, a partir delas podemos ter um indicativo da necessidade ou no de ampliar o sistema
de atendimento ou de cortar custos.
H relaes matemticas entre as medidas de efetividade de tempo e as
medidas de efetividade do nmero de usurios, que foram demonstradas por J. D.C. Little na
dcada de 70 do sculo XX.

6.3.1 Frmula de Little

Para qualquer processo de filas em regime estacionrio, a frmula (6.9)
vlida.

W L = . (6.9)

Esta expresso conhecida por frmula de Little.
De maneira anloga, temos uma relao entre
q
L e
q
W .

q q
W L = .
(6.10)

212
As expresses (6.6), (6.9) e (6.10) so extremamente importantes porque
relacionam as quatro quantidades fundamentais que so determinadas medida que qualquer
uma delas encontrada. Alm disso, essas relaes so genricas, ou seja, so vlidas para
todo tipo de modelo de sistemas de fila.
De posse dos conceitos bsicos, das definies das medidas de efetividade e
das relaes fundamentais, estamos prontos para desenvolver e estudar modelos de filas de
espera. Iniciaremos nosso estudo pelos modelos estocsticos de filas mais simples e depois
passaremos anlise de modelos mais complexos.
Iniciaremos na prxima seo o estudo dos sistemas de filas em que as
chegadas e os atendimentos ocorrem segundo o modelo estocstico de Poisson e os tempos
entre chegadas e os tempos de atendimento seguem a distribuio exponencial.

6.4 Sistemas de filas com chegadas e atendimentos do tipo markoviano

A fim de tornar didtico o estudo que faremos a seguir, dividiremos esta
seo nos seguintes tpicos:

sistemas de filas 1 / / M M , que tm apenas um atendente (ou seja, um servidor ou um canal
de atendimento) e capacidade infinita;
sistemas de filas s M M / / , que tm s atendentes e capacidade infinita;
sistemas de filas C M M / 1 / / , que tm um atendente e capacidade finita C ;
sistemas de filas C s M M / / / , que tm s atendentes e capacidade finita C .

Os dois ltimos tpicos so designados como sistemas multicanal. Em todos
os tpicos que sero abordados a disciplina da fila (ou das filas) FIFO e a fonte de usurios
possui um nmero ilimitado de usurios potenciais. Em um sistema com capacidade finitaC ,
se um usurio chegar e encontrar o sistema em sua capacidade mxima este usurio
automaticamente descartado.

6.4.1 Sistemas de filas 1 / / M M

Seja ) (t X o nmero de consumidores no sistema no instante t e
suponhamos que < . Dado que o tempo entre chegadas e o tempo de atendimento so
213
variveis aleatrias com distribuio exponencial, o processo cujo estado caracterizado por
) (t X um processo de Markov. Portanto, podemos desenvolver o estudo de sistemas de filas
1 / / M M com base nos procedimentos apresentados na seo 5.4.1.
Primeiramente procuraremos obter uma expresso para a probabilidade de
encontrar n usurios no sistema, que designaremos por
n
P . Os desenvolvimentos que sero
apresentados a seguir tambm podem ser encontrados na referncia (NELSON, 1995).






Figura 6.6: Diagrama de transio de um sistema de filas do tipo 1 / / M M .

Processo de Markov como o que est ilustrado no diagrama da Figura 6.5
conhecido como processo de nascimento e morte.
Partindo da lei de formao da matriz de transio P ,


elemento da posio
j i
j i

) , ( = taxa
ij
q (arco orientado de i para j ),

elemento da posio ) , ( j j =
j
q 1 ,

e analisando o diagrama da Figura 6.6, identificamos os seguintes elementos diferentes de
zero das posies de fora da diagonal:
=
01
p
=
10
p
...
=
n n
p
, 1

=
1 , n n
p
=
+1 , n n
p
=
+ n n
p
, 1

...

Nas posies da diagonal principal, obtemos os seguintes elementos:

=
01
q
1 0
=
10
q
=
n n
q
, 1

1 n
=
1 , n n
q

=
+1 , n n
q
=
+ n n
q
, 1

n 1 + n
214
=1
00
p
) ( 1
11
+ = p
...
) ( 1
1 , 1
+ =
n n
p
) ( 1
,
+ =
n n
p
) ( 1
1 , 1
+ =
+ + n n
p
...

Finalmente, o sistema de equaes para a obteno das probabilidades
estacionrias fica da seguinte forma:
vP v = ,
P v v v v v v v v v v
n n n n n n
] [ ] [
1 1 1 0 1 1 1 0

+ +
= ,
sendo que as probabilidades limites, , , , , , ,
1 1 1 0 + n n n
v v v v v , so as probabilidades dos
estados, , , , , , ,
1 1 1 0 + n n n
P P P P P ,

P P P P P P P P P P P
n n n n n n
] [ ] [
1 1 1 0 1 1 1 0

+ +
= ,

onde, a matriz de transio P com um nmero infinito de estados :

(
(
(
(
(
(
(
(
(

+
+
+
+

+
=
+

) ( 1 0 0 0
) ( 1 0 0
0 ) ( 1 0 0
0 0 0 ) ( 1
0 0 0 1
1
1
1
0
1 1 1 0





n
n
n P
n n n
.

A equao do estado 0 a seguinte:
1 0 0
) 1 ( P P P + = ,

que nos permite escrever
0 1
P P

= .
Para 1 n , a n sima equao dada por:
215
1 1
)] ( 1 [
+
+ + + =
n n n n
P P P P .


Partindo de
0 1
P P

= e da n sima equao para 1 = n calculamos

2
P :
0
2
2
P P
|
|
.
|

\
|
=

.
Continuamos com este procedimento e obtemos a soluo procurada,
n
P .
0
P P
n
n
|
|
.
|

\
|
=

para , 2 , 1 = n ,

(6.11)
onde,
n
P a probabilidade do estado n , ou seja, a probabilidade de encontrar exatamente
n usurios no sistema.
A expresso para clculo de
0
P obtida usando o fato de que 1
0
=

= n
n
P :

|
|
.
|

\
|
=

=0
0
1
n
n
P

.

(6.12)

Considerando a condio 1 <

estabelecida na seo 6.2, a srie do

denominador de (6.12) converge para

1
1
. Conseqentemente obtemos uma expresso
sucinta para a probabilidade do estado 0 .

=1
0
P .
(6.13)

A probabilidade
0
P a probabilidade de encontrar o sistema ocioso.
Portanto, da anlise da expresso (6.13), conclumos que

a probabilidade de encontrar o
sistema ocupado. A razo

simbolizada pela letra grega (leia-se ro).

A expresso da probabilidade de n usurios no sistema, fica ento da forma
indicada pela expresso (6.14).

) 1 ( =
n
n
P para , 2 , 1 = n .
(6.14)
216

Dessa forma, conclumos a determinao da probabilidade de encontrar n
usurios no sistema, conforme nos propusemos a fazer no incio desta seo.
Cabe ressaltar aqui o significado do parmetro . Este parmetro admite
algumas interpretaes de grande utilidade nas anlises, a saber:
a proporo do tempo em que o sistema est ocupado (
0
1 P = );
a intensidade de trfego ou o fator de utilizao do sistema.
No contexto de aplicao de como intensidade de trfego, a unidade
usada o erlangs, que uma unidade usual em sistemas de filas em geral.
Vamos resolver um exemplo com o objetivo de tornar mais claros os
conceitos desenvolvidos.

Exemplo 6.2: Um pronto socorro mdico presta servios de atendimento a acidentados
durante as 24 horas do dia. Em mdia, num dia tpico, 42 pacientes recorrem aleatoriamente
ao atendimento deste pronto socorro. Um paciente requer em mdia 25 minutos para receber
os primeiros socorros, servio que feito por uma nica equipe de profissionais. Assuma que
o modelo de uma fila 1 / / M M e efetue os seguintes clculos:
(a) a taxa mdia de chegadas;
(b) a taxa mdia de atendimentos;
(c) a probabilidade de que, num intervalo de tempo de 1,5 horas, 2 pacientes cheguem ao
pronto socorro;
(d) a probabilidade de que um paciente selecionado aleatoriamente encontre o pronto socorro
desocupado;
(e) o percentual do tempo em que o pronto socorro est ocupado;
(f) se h somente uma sala de espera no pronto socorro, qual a probabilidade de que
pacientes tenham de esperar no corredor pelo atendimento?

As taxas e so determinadas aplicando-se os procedimentos da seo
6.2.
hora pacientes 75 , 1
24
42
= = ,
minuto pacientes 04 , 0
25
1
= = hora pacientes 4 , 2 60 04 , 0 = = .
217

Como o modelo de chegadas de pacientes uma distribuio de Poisson
com taxa mdia igual a , e o intervalo de tempo conhecido, vamos aplicar a frmula

= e
x
t x P
x
!
) , ( ,
+
Z x ,

para horas 5 , 1 = t , 625 , 2 5 , 1 75 , 1 = = . Fazendo 2 = x , temos a seguinte probabilidade:
625 , 2
2
! 2
625 , 2
) 5 , 1 , 2 (

= e P 2496 , 0 ) 5 , 1 , 2 ( P .
Portanto, em um intervalo de tempo de uma hora e meia, h uma
probabilidade de 24,96% de que cheguem dois pacientes no pronto socorro.
A probabilidade de um paciente encontrar o pronto socorro desocupado
dada por
0
P , que a probabilidade do sistema vazio. Aplicamos ento a frmula (6.13).

2708 , 0
4 , 2
75 , 1
1 1
0 0
= = P P

.

O percentual do tempo em que o pronto socorro est ocupado dado por .

7292 , 0
4 , 2
75 , 1
= =

.

Isto significa que cerca de 73% do tempo (no caso, 24 horas, implica em 17
horas e meia) o pronto socorro est ocupado.
O parmetro tambm a intensidade de trfego, que expressa como
7292 , 0 erlangs.
Finalmente, se h apenas uma sala de espera e a sala comporta um paciente
e outro paciente est sob os cuidados da equipe, ento se o nmero de pacientes no sistema for
superior a dois teremos pacientes no corredor do pronto socorro. Portanto, precisamos
calcular a probabilidade de encontrar mais de dois pacientes no sistema.

) ( 1
2 1 0 2
P P P P
n
+ + =
>
.

218
Basta aplicar a frmula (6.14), ) 1 ( =
n
n
P para 2 , 1 = n .

) 1440 , 0 1975 , 0 2708 , 0 ( 1
2
+ + =
> n
P 3877 , 0
2
=
> n
P .

Partiremos agora para a determinao das medidas de efetividade do modelo
de filas 1 / / M M .

Nmero esperado de usurios no sistema, L :

Recorremos expresso (6.7) que define L e tambm expresso (6.14).

= =

=

= 0 0
) 1 ( ) 1 (
n
n
n
n
n L n L .

A somatria identificada como uma conhecida srie convergente uma vez
que 1 < . Conseqentemente, o nmero esperado de usurios no sistema, L , dado pela
expresso (6.15).

=
1
L .

(6.15)

Usamos a frmula de Little (6.9) e obtemos a expresso para clculo de W .

Tempo mdio de permanncia do usurio no sistema, W :

) 1 (

= W .

(6.16)

Para calcular
q
W podemos usar a expresso (6.6) combinada com a frmula
para clculo de W .



219
Tempo mdio de espera na fila,
q
W :

) 1 (
2

=
q
W .

(6.17)

Nmero mdio de usurios na fila,
q
L :

Recorremos expresso (6.8) para 1 = s e tambm expresso (6.14).

=
=

=
1 1
1
) 1 (
n
n
n
n
n
n q
P nP
P n L

=
1
), 1 (
1
0
P


O nmero mdio de usurios na fila calculado pela expresso (6.18).

=
1
2
q
L .

(6.18)

Vamos resolver um exemplo de aplicao das grandezas cujas expresses
foram obtidas.

Exemplo 6.3: Um sistema de atendimento ao cliente de uma pequena empresa comercial
operado por uma pessoa atravs de uma central telefnica. As demandas dos clientes ao
sistema seguem uma distribuio de Poisson, com uma taxa mdia de chegada de 10
solicitaes por hora. Os clientes so atendidos em base FIFO e os clientes que ligam e
encontram o sistema ocupado esperam pelo atendimento. Isto faz com que s vezes existam
chamadas em espera, ou seja, forma-se uma fila. O tempo gasto para atender a um cliente
estimado como exponencialmente distribudo, com um tempo mdio de atendimento de 4
minutos. Determine:
(a) o nmero mdio de usurios no sistema;
220
(b) o tamanho mdio da fila;
(c) o tempo esperado que um cliente deve aguardar na fila;
(d) o tempo mdio que um cliente deve ficar na loja.
Primeiramente vamos calcular os parmetros do sistema a partir dos dados
de entrada.
A taxa de chegada
hora
clientes
10 = . O tempo mdio de atendimento

1
, que foi dado como 4 minutos, portanto, a taxa de atendimento
minuto
clientes
4
1
= . A
taxa est em
hora
clientes
e a taxa est expressa em
minuto
clientes
. preciso deixar estas
taxas em unidades coerentes. Vamos exprimir em
minuto
clientes
, tal como .
minuto
clientes
minuto
clientes
4
1
6
1
=
=

Portanto, o valor de ,
3
2
= =

.
Concluda a fase preparatria dos dados, estamos prontos para aplicar as
frmulas e solucionar os itens pedidos.
O nmero mdio de usurios no sistema calculado pela aplicao de
(6.15).
2
3 2 1
3 2
1
=

= L L

clientes.
O tamanho mdio da fila dado pela expresso (6.18).
33 , 1
3
4
1
) (
1
3
2
2
3
2 2
=

=
q q q
L L L

clientes.
O tempo esperado que um cliente deve aguardar na fila :
8 8
) 1 (
) (
) 1 (
3
2
6
1
2
3
2 2
= =

=
q q q
W W W

minutos.
O tempo mdio que um cliente deve permanecer na loja o tempo mdio do
sistema. Vamos aplicar a expresso (6.16).

12 12
) 1 ( ) 1 (
3
2
6
1
3
2
= =

= W W W

minutos.
221
6.4.2 Sistemas de filas s M M / /

O objetivo obter uma expresso para a probabilidade de encontrar
exatamente n usurios no sistema,
n
P . Para tal usaremos a modelagem do sistema de filas
multicanal como um processo de Markov de nascimento e morte, cujo diagrama de transio
est ilustrado na Figura 6.7.







Figura 6.7: Diagrama de transio de um sistema de filas do tipo s M M / / .

Com a suposio de que a taxa mdia de atendimento de cada servidor ,
a taxa mdia global de atendimento de n servidores n . Quando todos os servidores
estiverem ocupados, ou seja, s n , a taxa mdia global de atendimento s .

Um procedimento mais simples do que o utilizado no desenvolvimento
apresentado na seo 6.4.1 para obter
n
P consiste em escrever equaes de Kolmogorov para
os j simos estados (vide equao (5.23) do Captulo 5) do diagrama da Figura 6.7. Para
facilitar o emprego desse mtodo, basta escrever as equaes de balano para o processo de
nascimento e morte, como indicado a seguir:

Estado Taxa de sada = Taxa de entrada
0
1 0
P P =
1
2 0 1
2 ) ( P P P + = +
2
3 1 2
3 ) 2 ( P P P + = +
... ...
1 s
s s s
P s P P s + = +
2 1
] ) 1 ( [
s
1 1
) (
+
+ = +
s s s
P s P P s
s n
1 1
) (
+
+ = +
n n n
P s P P s .

=
01
q
1 0
=
10
q
=
s s
q
, 1

1 s
s q
s s
=
1 ,


=
+1 , s s
q
s q
s s
=
+ , 1

s 1 + s
=
1 , 2 s s
q
) 1 (
2 , 1
=

s q
s s

222
A partir das equaes escritas anteriormente, para s n , temos que:

( )
0
!
P
n
P
n
n

= , para s n , , 2 , 1 = .

(6.19)

A partir das equaes escritas anteriormente, para s n , temos que:

( )
0
!
P
s s
P
s n
s
n

, para s n .

(6.20)

Usamos o fato de que 1
0
=

= n
n
P e as relaes (6.19) e (6.20) para obter a
probabilidade de encontrar o sistema vazio,
0
P .

( ) ( )
) 1 ( ! !
1
1
0
0

+
(
(
(

=
s n
P
s
s
n
n
,


(6.21)

onde,

s
= , que menor que a unidade.
Precisamos obter uma medida de efetividade e todas as outras medidas sero
encontradas. Optamos por aplicar a expresso (6.8) que define
q
L .

( )
0
2
) 1 ( !
P
s
L
s
q

= .

(6.22)

O nmero mdio de usurios no sistema calculado pela expresso (6.23).

( )

=
0
2
) 1 ( !
P
s
L
s
.

(6.23)

O tempo mdio de permanncia do usurio no sistema calculado pela
expresso (6.24).
223
( )

1
) 1 ( !
0
2
+

= P
s s
W
s
,

(6.24)

O tempo mdio de permanncia do usurio no sistema calculado pela
expresso (6.25).

( )
0
2
) 1 ( !
P
s s
W
s
q

= ,

(6.25)

Se um usurio ao chegar ao sistema encontrar pelo menos s usurios
concluir que o sistema est ocupado. A probabilidade de encontrar o sistema ocupado a
somatria das probabilidades para encontrar pelo menos s usurios no sistema,
( )
= =

=

s n
s n
s
s n
n s n
P
s s
P P
0
!

,
que resulta na expresso (6.26).

( )
0
) 1 ( !
P
s
P
s
s n

.

(6.26)

Em outras palavras, a probabilidade
s n
P

a probabilidade de que uma
chegada ao sistema tenha de esperar.
Iremos resolver a seguir um exemplo para consolidar os conceitos
desenvolvidos nesta seo.

Exemplo 6.4: Um centro de distribuio de mercadorias distribui seus produtos por
intermdio de caminhes que so carregados em dois postos de carregamento. Os caminhes
so carregados medida que chegam e s vezes tm de esperar pelo atendimento. Aps
observaes foram colhidos os seguintes dados: taxa mdia de chegada de 2 veculos por
hora; cada caminho gasta em mdia 20 minutos para ser carregado.
(a) Qual a probabilidade de que um caminho ao chegar ao centro de distribuio tenha que
esperar para ser atendido?
(b) Qual o nmero mdio de caminhes na fila?
224
(c) Qual o nmero esperado de caminhes no sistema?

A taxa de atendimento por servidor, , obtida do tempo mdio de
atendimento. Portanto,
hora
caminhes
3 = . A taxa de chegada
hora
veculos
2 = e do
enunciado conclumos que . 2 = s
Aplicamos a expresso (6.21) para calcular
0
P :
( ) ( )
) 1 ( ! !
1
1
0
0

+
(
(
(

=
s n
P
s
s
n
n

( ) ( )
( )
3
1
2
3
2
1
0
3
2
0
1 ! 2 !
1

+
(
(

=
= n
n
n
P ,
( ) ( ) ( )
( )
6
2
3
2
1
1
1 ! 2 ! 1 ! 0
1
0
3
1
2
3
2
1
3
2
0
3
2
0
+ +
=

+ +
= P P ,
5 , 0
0
= P .
A probabilidade
0
P a probabilidade do sistema vazio. importante
ressaltar que
0
P o valor chave nos clculos de sistemas s M M / / , uma vez que as medidas
de efetividade tm suas expresses dependentes deste valor.
A probabilidade de que um caminho ao chegar ao centro de distribuio
tenha que esperar para ser atendido
2 n
P .
( )

5 , 0
) 3 1 1 ( ! 2
2
3
2
2 n
P 1667 , 0
2

n
P .
O nmero esperado de caminhes na fila
q
L . Aplicamos a expresso
(6.22).

( )

=
0
2
) 1 ( !
P
s
L
s
q

( )
clientes 083 , 0 5 , 0
) 3 1 1 ( ! 2
2
3
1
2
3
2

=
q
L .

O nmero esperado de caminhes no sistema L . Aplicamos a expresso
(6.23).

225
( )
+

0
2
) 1 ( !
P
s
L
s
clientes 75 , 0
3
2
12
1
= + = L .

primeira vista o leitor pode estranhar os valores decimais obtidos para as
grandezas
q
L e L , uma vez que as medidas possuem a conotao de grandezas inteiras.
Entretanto, os valores decimais podem ser explicados por se tratar de esperanas matemticas
que resultam de produtos de probabilidades por nmeros inteiros.
A teoria das filas de espera propicia uma ferramenta valiosa para orientar o
projetista no planejamento de sistemas de atendimento a usurios em geral. O
dimensionamento de um Call Center, por exemplo, requer conhecimentos de sistemas de
filas. O Exemplo 6.5 extrado da referncia (SHAMBLIN, 1989) e mostra como as frmulas
podem ser usadas com esta finalidade.

Exemplo 6.5: Uma companhia telefnica est planejando instalar cabinas telefnicas em um
novo aeroporto. Ela traou a norma de que uma pessoa no deve esperar mais que 10% das
vezes que ela tentar usar o telefone nesse sistema. A demanda de uso estimada como sendo
uma distribuio de Poisson com uma mdia de 30 usurios por hora. A chamada telefnica
tem uma distribuio exponencial com um tempo mdio de 5 minutos. Coloca-se ento a
questo: quantas cabinas telefnicas devem ser instaladas?
Os valores de e so respectivamente
hora
usurios
30 e
hora
usurios
12 . Como s < , e no sabemos qual o valor de s , o nmero de cabinas no
pode ser menor que 3 ( 12 3 30 < ). Vamos resolver a questo por tentativa: calculamos
0
P
para 3 = s e a correspondente probabilidade
3 n
P ; depois calculamos para 4 = s , e assim por
diante at alcanarmos a norma especificada pela companhia. Os resultados dos clculos esto
mostrados na Tabela 6.1.

Tabela 6.1: Valores de
0
P e
s n
P

para diversos valores supostos de s .
Nmero de servidores,
s
Probabilidade do sistema
ocioso,
0
P
Probabilidade do sistema
ocupado,
s n
P


3 0,0449 0,702 70,2%
4 0,0737 0,320 32%
5 0,0801 0,130 13%
6 0,0816 0,047 4,7%
226
Da anlise da Tabela 6.1, notamos que com 5 (cinco) cabinas, a
probabilidade de um encontrar o sistema ocupado superior ao ndice especificado. A
instalao de seis (6) cabinas telefnicas daria ao usurio uma probabilidade de 4,7% de
espera. Como este nmero inferior a 10%, o menor nmero de cabinas que atender s
exigncias da companhia , portanto, 6.
A referncia (HILLIER e LIEBERMAN, 1995) mostra traados de famlia
de curvas de probabilidade
0
P e da grandeza L em funo do fator de utilizao ,
parametrizadas por s . Essas curvas so teis na soluo de problemas do tipo abordado no
Exemplo 6.5.
Na prxima seo trataremos de sistemas de filas do tipo markoviano com
um nico atendente e capacidade do sistema finita, dada pela quantidade especificada C .

6.4.3 Sistemas de filas C M M / 1 / /

Neste modelo, se um usurio chega e o sistema j possui C usurios este
no atendido e imediatamente descartado. Isto significa que o nmero de consumidores no
sistema no pode exceder o nmero especificado C . Em relao ao modelo estudado na seo
6.4.1, a principal modificao que a taxa mdia de chegada de usurio ser para todos os
estados 1 C n e ser zero para C n .
O diagrama de transio parecido com aquele mostrado na Figura 6.6,
exceto pelo fato que o processo pra no estado C n = . A Figura 6.8 ilustra o diagrama do
modelo C M M / 1 / / .





Figura 6.8: Diagrama de transio de um sistema de filas do tipo C M M / 1 / / .

A exemplo do desenvolvimento apresentado para sistemas 1 / / M M , para o
sistema C M M / 1 / / temos a probabilidade de encontrar n usurios no sistema dada pela
frmula (6.27).

1 0

1 C

C



227
0
P P
n
n
|
|
.
|

\
|
=

, para C n , , 1 , 0 = .

(6.27)

Supondo 1 < =

, o clculo de
0
P passa pela avaliao da somatria
1
0
0
=
=
C
n
n
P , que uma progresso geomtrica de 1 + C termos.

1
0
1
1
+

=
C
P

.

(6.28)

As relaes (6.27) e (6.28) implicam na expresso (6.29),

n
C
n
P

1
1
1
+

= , para C n , , 1 , 0 = .

(6.29)

As medidas de efetividade
q
W W L , , e
q
L so ento obtidas, calculando-se
primeiramente a grandeza L , conforme mostrada em (6.30).

1
1
1
) 1 (
1
+
+

=
C
C
C
L

.

(6.30)

A referncia (HILLIER e LIEBERMAN, 1995) traz em detalhes esta
demonstrao.
As demais medidas de efetividade so obtidas utilizando-se as seguintes
relaes:

= L L
q
,

L
W = ,

q
q
L
W = ,
onde,
228
) 1 (
1
0
= =

=
C
n
C n
P P .

(6.31)

A probabilidade
C
P a probabilidade de um usurio encontrar o sistema em
sua capacidade mxima.

1
1
) 1 (
+

=
C
C
C
P

, para 1 < .

(6.32)

A obteno de W e
q
W a partir de L e
q
L , respectivamente, requer para o
modelo C M M / 1 / / o emprego do parmetro , que a esperana matemtica da taxa de
chegada. Esta exigncia inerente aos processos de filas cujos sistemas tm capacidades
limitadas. A explicao para isto a seguinte. Para o n simo estado, a taxa de chegada a
rigor
n
, sendo a probabilidade correspondente dada por
n
P . A razo disso que a taxa
n

tambm uma varivel aleatria do processo de nascimento e morte. Em nossas anlises, para
fins de simplificao das expresses, adotamos a suposio de que as taxas independem dos
estados , 2 , 1 , 0 = n e so iguais a . Contudo, a taxa mdia de chegada a longo prazo deve
ser calculada como o valor esperado, ou seja, =

=0 n
n n
P , sendo
n
P a proporo do tempo
em que o processo est no estado n . Ora, para sistemas com capacidade ilimitada temos
= =

=0 n
n
P , porm, para sistemas limitados, em geral, , como o caso mostrado
na expresso (6.31).

Resolveremos um exemplo com a finalidade de esclarecer a aplicao do
modelo estudado nesta seo.

Exemplo 6.6: Um laboratrio de radiologia possui apenas um equipamento e atende pacientes
numa base FIFO. Por razes de limitao de espao fsico, o laboratrio comporta um
mximo de 4 pacientes. Os pacientes chegam ao laboratrio de acordo com um processo de
Poisson, a uma taxa mdia de 1 paciente por hora. O tempo necessrio para atender um
paciente exponencialmente distribudo com um tempo mdio de 45 minutos. Determine:
(a) o nmero mdio de pacientes presentes no laboratrio;
229
(b) a probabilidade de um paciente escolhido ao acaso encontrar o laboratrio ocupado;
(c) o tempo mdio que um paciente deve esperar para ser atendido.

As taxas de chegada e atendimento so hora paciente 1 = e
hora pacientes
3
4
= , respectivamente. A intensidade de trfego oferecida no sistema
4
3
= =

erlangs.
Dado que 4 = C e foi pedido o nmero mdio de pacientes no laboratrio,
L , aplicamos a frmula (6.30).
1
1
1
) 1 (
1
+
+

=
C
C
C
L

,
5
5
75 , 0 1
75 , 0 5
75 , 0 1
75 , 0

= L ,
444 , 1 L pacientes.
A probabilidade de encontrar o laboratrio ocupado a probabilidade de
encontrar 4 pacientes no sistema.
1
1
) 1 (
+

=
C
C
C
P

,
5
4
4
75 , 0 1
75 , 0 ) 75 , 0 1 (

= P ,
1037 , 0
4
P .
O tempo mdio que um paciente deve esperar para ser atendido
q
W , que
requer o clculo de .
) 1 (
C
P = ,
) 1037 , 0 1 ( 1 = 8963 , 0 =
hora
pacientes
.

= L L
q
,
694 , 0 75 , 0 444 , 1 =
q q
L L pacientes.
8963 , 0
694 , 0
=
q
W , hora 7743 , 0
8963 , 0
694 , 0
=
q
W 46
q
W minutos.
230
Portanto, o tempo mdio de espera de pacientes no laboratrio
aproximadamente de 46 minutos.
Trataremos a seguir dos sistemas de filas do tipo markoviano com
mltiplos servidores de atendimento e capacidade finita do sistema.

6.4.4 Sistemas de filas C s M M / / /

A deduo da frmula para clculo da probabilidade de encontrar n usurios
no sistema para o modelo C s M M / / / fica trivial em vista dos desenvolvimentos feitos
anteriormente. A suposio mais forte que o nmero de servidores (ou atendentes) no
mximo igual capacidade do sistema, ou seja, C s .

Para um nmero n de usurios menores ou iguais ao nmero de servidores
s , a probabilidade
n
P a mesma calculada pela expresso (6.19). Por outro lado, para
C n s , a probabilidade
n
P a mesma calculada pela expresso (6.20). Para C n > ,
0 =
n
P , uma vez que a taxa de chegada nula j que no mais admitido nenhum usurio no
sistema.

( )
( )

>
+ =
=
=

. para , 0
, , , 1 , para ,
!
, , , 2 , 1 para ,
!
0
0
C n
C s s n P
s s
s n P
n
P
s n
n
n
n

(6.33)

A expresso para o clculo da probabilidade do sistema ocioso dada por:

( ) ( )
|
.
|

\
|
+
=
= + =

s
n
C
s n
s n
s
s n
s n
P
0 1
0
! !
1

(6.34)

J que para s n no h fila, a frmula para clculo do nmero mdio de
usurios na fila obtida efetuando o desenvolvimento da seguinte expresso:
231
( )
0
!
) ( P
s s
s n Lq
s n
n
C
s n

=
=

,
para j s n = ,
( )
0
0 !
P
s s
j Lq
j
j s
s C
j
+

=
=

,
j
s
s C
j
s
j
s
P
Lq |
.
|

\
|
|
.
|

\
|
=

=

0
0
!
,
j
s C
j
s
j
s
P
Lq

|
.
|

\
|
=

=0
0
!
,
1
0
0
!

=
|
.
|

\
|
=
j
s C
j
s
j
s
P
Lq

,
mas,
1
=
j
j
j
d
d

, |
.
|

\
|
=

=
s C
j
j s
d
d
s
P
Lq
0
0
!

,
|
.
|

\
|
=

=
s C
j
j
s
d
d
s
P
Lq
0
0
!

,
|
|
.
|

\
|

|
.
|

\
|
=
+ +

1
1
!
1
0
s C s
d
d
s
P
Lq .
A ltima expresso vlida para 1 < . O desenvolvimento ento
concludo processando a derivada que compe a expresso. Conseqentemente, a expresso
para clculo de Lq para o modelo de filas C s M M / / / dada por (6.35).

( )
[ ]
0
2
) 1 ( ) ( 1
) 1 ( !
P s C
s
L
s C s C
s
q

=

,

(6.35)
onde,

s
= .
De posse do valor
q
L , o nmero mdio de usurios no sistema pode ser
calculado pela expresso (6.36).

) 1 (
1
0
1
0
+ + =

=

=
s
n
n
s
n
n q q
P s nP L L ,

(6.36)
onde,
( )
0
!
P
n
P
n
n

= .
232
As demais medidas de efetividade so obtidas pela aplicao das seguintes
expresses:

L
W = ,

q
q
L
W = .

A importncia da teoria de filas em reas aplicadas inquestionvel. Como
exemplo, citamos o seguinte fato. Numa lista telefnica da companhia Pacific Bell, que
atende a regio da Califrnia nos EUA, podemos ler a seguinte frase: 30 second response
time to 90% of customer service phone calls. Isto quer dizer que, em 90% das chamadas
feitas pelos clientes que usam o sistema da companhia, o tempo de resposta esperado de 30
segundos. Esta informao s possvel porque algum mtodo que usa teoria de filas foi
aplicado no planejamento do sistema telefnico.
Na rea de telefonia, o modelo de filas mais usado o modelo de Erlang
(vide seo 4.7.4). Em sistemas de comunicaes, a intensidade de trfego uma varivel
aleatria que varia com o tempo, podendo experimentar perodos de ociosidade e de
congestionamento. O projeto de um dado sistema telefnico deve garantir que a probabilidade
de haver congestionamento seja menor ou no mximo igual a um certo valor considerado
razovel. Esta probabilidade designada como probabilidade de bloqueio, designada pelo
smbolo
b
P . Dentre os modelos estocsticos de trfego, o modelo conhecido como Erlang-B
o indicado para medir a taxa de bloqueio de requisies quando o trfego aleatrio e no
existe fila de espera. Este o caso em que a requisio de chamada ao encontrar o sistema
ocupado abandona o sistema, portanto, no formando fila.
No modelo de Erlang, as chamadas chegam a um enlace conforme um
processo de Poisson de taxa conhecida, , que uma medida do nmero mdio de chamadas
por unidade de tempo. Os tempos de servios seguem a distribuio exponencial, com taxa
. O trfego caracterizado pela relao

, que designaremos por . O enlace

composto por circuitos (troncos ou linhas), e uma chamada bloqueada e perdida se todos os
circuitos estiverem ocupados. Em caso contrrio, a chamada aceita e utiliza um circuito
durante o seu tempo de reteno. Estudos realizados sobre a distribuio estatstica de Poisson
para clculo da probabilidade de bloqueio podem ser sintetizados na frmula B de Erlang, ou
frmula de perda de Erlang, que dada pela expresso (6.37).
233

=
=
N
k
k
N
b
k
N
P
0
!
!

.


(6.37)

Cabe notar que o modelo de Erlang apenas parte de uma rea de estudo
conhecida como teoria de filas, que capaz de tratar problemas complexos de trfego em
redes que so compartilhadas pelos mais diversos tipos de informao, tais com voz, dados e
multimdia. No caso do trfego de chamadas telefnicas, o modelo de Erlang-B se aplica sem
restries.
A avaliao numrica da probabilidade
b
P atravs da aplicao direta da
frmula (6.37) oferece dificuldades uma vez que o nmero N de linhas pode assumir valores
muito altos. O problema advm tanto do clculo do fatorial quanto do clculo das potncias
de medida que N cresce. A referncia (QIAO, 1998) prope um mtodo eficiente de
avaliao da expresso (6.37), e tambm apresenta um procedimento para obter N ao serem
dados os valores
b
P e .
Existem outros modelos de filas que possuem expresses analticas para
clculo das medidas de efetividade, mas que no sero tratados neste livro. As referncias
(HILLIER e LIEBERMAN, 1995) e (NELSON, 1995) so excelentes fontes bibliogrficas de
pesquisa e estudo de sistemas de filas. Para o leitor interessado em ampliar seus
conhecimentos sobre a teoria de filas, aconselhamos as referncias mencionadas
anteriormente.

6.5 Exerccios propostos

1. O modelo de chegadas de carros seguindo por uma via estreita e nica a um banco caixa-
rpido segue um processo de Poisson, com taxa mdia de um carro por minuto. Os tempos de
utilizao so exponencialmente distribudos, com uma mdia de 45 segundos. Considerando
que um carro esperar o quanto for necessrio, determine (a) o nmero esperado de carros
aguardando por utilizao do caixa-rpido; (b) o tempo mdio que um carro espera pela
utilizao do servio; (c) o tempo mdio que um carro gasta no sistema e; (d) a probabilidade
de que existam carros esperando na rua, se o estabelecimento do banco pode somente
comportar um mximo de 5 automveis.

234
2. Veculos chegam a um semforo com duas opes de movimento, seguir em frente ou virar
direita. Imaginar que os veculos formam fila nica ao chegarem no cruzamento. As
chegadas obedecem a um processo de Poisson, com taxa mdia de 9 veculos a cada 2
minutos. Os tempos de utilizao so exponencialmente distribudos, com uma mdia de 25
segundos (utilizao quando um veculo recebe permisso de passagem). Supondo taxas
iguais para as demandas e para as duas opes de movimento e considerando que um carro
esperar o quanto for necessrio, determine: (a) a probabilidade de encontrar o sistema
ocioso; (b) o nmero esperado de carros aguardando pela sua vez de passagem; (c) o tempo
mdio que um carro espera pela passagem; (d) o tempo mdio que um carro permanece no
sistema; e (e) a probabilidade de que um carro tenha que parar neste cruzamento.

3. Uma companhia telefnica instalou 3 cabinas telefnicas em um aeroporto. A demanda de
uso dos aparelhos estimada como sendo uma distribuio de Poisson de modo que em mdia
a cada 2,4 minutos chega um novo usurio. Os tempos gastos nas chamadas telefnicas tm
uma distribuio exponencial de modo que, em mdia, a cada 2 horas 18 usurios concluem
suas ligaes. Pergunta-se:
(a) Qual o fator de utilizao das cabinas?
(b) Qual a probabilidade de encontrar as cabinas vazias, ou seja, o sistema desocupado?
(c) Qual o nmero mdio de usurios no sistema?
(d) Qual a probabilidade de que um usurio ao chegar para utilizar o servio telefnico
tenha que esperar pelo atendimento?

4. Os avies requisitam permisso para aterrissar em um aeroporto de pista nica a uma mdia
de um a cada 4 minutos; a distribuio das requisies se aproxima da distribuio de
Poisson. Os avies recebem permisso em uma base de primeiro a chegar, primeiro a ser
atendido, sendo que aqueles que no tm condies de pouso imediato devido a
congestionamento de trfego areo so colocados em espera, mas por restries do espao
areo da cidade, apenas 3 avies podem permanecer em espera. O tempo requerido para
pousar um avio varia com a experincia do piloto e exponencialmente distribudo com
mdia de 3 minutos. Determine: (a) o nmero mdio de avies em espera; (b) o tempo mdio
que um avio aguarda at conseguir a permisso de pouso; (c) a probabilidade de que existam
mais que dois avies em espera.

235
5. Resolva o exerccio anterior supondo que h duas pistas no aeroporto, ou seja,
4 / 2 / / M M .

6. Em relao ao modelo de fila estudado na seo 6.4.4, complete a deduo da expresso de
clculo de
q
L , que deve resultar em (6.35).

7. Faa uma comparao entre os sistemas de filas 1 / / M M e C M M / 1 / / , e verifique que as
frmulas de clculo das medidas de efetividade do primeiro modelo podem ser obtidas a partir
das frmulas correspondentes do modelo com capacidade finita ao considerar o limite para
C .

8. Utilize como fonte bibliogrfica inicial o artigo (QIAO, 1998) e procure compreender a
proposta dos autores para avaliar a expresso (6.37) contornando as dificuldades numricas
computacionais verificadas quando o clculo dessa expresso efetuado de forma direta.