Teoria de Filas

Agner Krarup Erlang

(*1878, Lonborg, Dinamarca; 1929, Copenhagen, Dinamarca).

Fernando Nogueira

Teoria de Filas

Introduo
O estudo de Teoria de Filas trata com o fenmeno de aguardar em fila usando medidas
representativas da performance do sistema, tais como comprimento mdio da fila,
tempo mdio de espera na fila, utilizao mdia do sistema, entre outros.
USA (2001) estimativa de 37.000.000.000 horas gastas em filas pela populao/ano.

Pesquisa realizada nos E.U.A. em 1988, com 6000 pessoas. Fonte: Fitzsimmons e Fitzsimmons (2000).
Fernando Nogueira

Teoria de Filas

Exemplo de como calcular com incertezas

Dois trens vo ocupar um mesmo terminal de carga. Os horrios de chegada, de sada e
de permanncia dos trens no terminal so tratados como variveis aleatrias.
A soma de 2 variveis
aleatrias, f e g, realizada pela
convoluo de f e g:

l
ina
m
r
Te

Contnuo

G a ntt

(f g )(t ) = f ()g(t )d
terminal

Discreto

(f g )(m ) = f (n )g(m n )
7 .6

8 .4

9 .2

10

1 0 .8

Fernando Nogueira

1 1 .6

1 2 .4
h o ra

1 3 .2

14

1 4 .8

1 5 .6

1 6 .4

1 7 .2

Teoria de Filas

distribuio de probabilidade do horario do trem 1 chegar no terminal: Tc1=8.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

19

20

21

22

23

24

distribuio de probabilidade do periodo de terminal: Pt=4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

distribuio de probabilidade do horario do trem 1 sair do terminal: Ts1 = Tc1 + Pt => Ts1 = conv(Tc1,Pt)=12.4
1
0.8
0.6
0.4
0.2
0

Fernando Nogueira

10

11

12

13

Teoria de Filas

14

15

16

17

18

19

20

21

22

23

24

distribuio de probabilidade do horario do trem 2 chegar no terminal: Tc2=12.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

19

20

21

22

23

24

distribuio de probabilidade do periodo de terminal: Pt=4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

distribuio de probabilidade do horario do trem 2 sair do terminal: Ts2 = Tc2 + Pt => Ts2 = conv(Tc2,Pt)=16.4
1
0.8
0.6
0.4
0.2
0

Fernando Nogueira

10

11

12

13

Teoria de Filas

14

15

16

17

18

19

20

21

22

23

24

distribuio de probabilidade do horario do trem 1 sair do terminal: E(Ts1)=12.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

22

23

24

distribuio de probabilidade do horario do trem 2 chegar do terminal: E(Tc2)=12.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

distribuio de probabilidade do horario de haver 2 trens (FILA) no terminal: P(fila)=0.37333 E(h.fila)=11.9482

0.2
0.15
0.1
0.05
0

Fernando Nogueira

10

11

12

13

Teoria de Filas

14

15

16

17

18

19

20

21

22

23

24

distribuio de probabilidade do horario do trem 1 sair do terminal: E(Ts1)=12.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

22

23

24

22

23

24

distribuio de probabilidade do horario do trem 2 chegar do terminal: E(Tc2)==12.4

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

distribuio de probabilidade do periodo de fila no terminal: E(Tempo.fila)=0.55533

1
0.8
0.6
0.4
0.2
0

Fernando Nogueira

10

11

12

13

Teoria de Filas

14

15

16

17

18

19

20

21

distribuio de probabilidade do horario do trem 2 sair do terminal (SEM FILA): Ts2 = Tc2 + Pt => Ts2 = conv(Tc2,Pt)=16.4
1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

22

23

24

distribuio de probabilidade do periodo de fila no terminal: E(Tempo.fila)=0.55533

1
0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

17

18

19

20

21

distribuio de probabilidade do horario do trem 2 sair do terminal + FILA: TsF2 = Ts2 + f => TsF2 = conv(Ts2,f)=16.9553
1
0.8
0.6
0.4
0.2
0

Fernando Nogueira

10

11

12

13

Teoria de Filas

14

15

16

17

18

19

20

21

22

23

24

Estrutura Bsica de um Modelo de Fila

Sistema de Fila
Fonte
de
Entrada

Clientes

Fila

Disciplina
da Fila

Mecanismo
de
Atendimento

Clientes
Atendidos

Fonte de Entrada onde gera-se os clientes.

1)Tamanho da Populao: finita ou infinita.
2)Distribuio de Probabilidade que os clientes so gerados sobre o tempo (Poisson).
3)Distribuio de Probabilidade do tempo entre chegadas (Exponencial).
obs: 2) 3) se 2) Poisson e 3) Exponencial

Fernando Nogueira

Teoria de Filas

Fila onde os clientes aguardam antes de serem atendidos.

1)Nmero mximo de clientes que a fila pode conter (buffer): finito ou infinito.
Disciplina da Fila ordem que os clientes em fila so selecionados para atendimento.
First In First Out (FIFO) = First Come First Served (FCFS), Last In First Out (LIFO),
Randmica, Prioridade, entre outras.
Mecanismos de Atendimento (Servio) onde o cliente atendido.
1)Nmero de instalaes de atendimento em srie (no necessariamente).
2)Numero de canais de atendimento (servidores) em paralelo para cada inst. de atend.
3)Distribuio de Probabilidade para cada servidor (Exponencial).
Clientes
Atendidos

Sistema de Fila
Clientes

6 4 4 4Fila
7 4 4 48
C C C C C C

C
C
C
C

Fernando Nogueira

S11
S12
S13
S14

instalao de
atendimento 1

Teoria de Filas

6 44Fila
7 44
8
C C C C

C
C
C

Clientes
Atendidos

s 21
s 22
s 23

instalao de
atendimento 2

10

Distribuio Exponencial
As variveis aleatrias Tempo Entre Chegadas e Tempo de Atendimento so
modeladas geralmente pela Distribuio Exponencial. Seja t um v.a. com
Distribuio Exponencial com parmetro , ento:
pdf - Exponencial

PDF - Exponencial
1

e t
f (t ) =
0

f(t):probabilidade acumulada

f(t):densidade de probabilidade

para t 0
para t < 0

0 E(t)=1/

0.8
T

0.6

0.4
0.2

P{t > T} = e t dt =e T

(t 0 )

var(t ) =

1
E(t ) =

Fernando Nogueira

P{t T} = e t dt =1 e T

Teoria de Filas

1
2
11

Perda de Memria
B
B contm A

P{A B} = P{A}

t >t+T
t >t
t >t+T t >t

P{t > T + t t > t} = P{t > T}

P{t > T + t t > t} P{t > T + t} e (T + t )
P{t > T + t t > t} =
=
= (t ) = e T = P{t > T}
P{t > t}
P{t > t}
e
Se agora so 8:20hs e a ltima chegada ocorreu 8:00hs, a probabilidade que a prxima chegada
ir ocorrer aps 8:30hs funo apenas do intervalo entre 8:20hs e 8:30hs (T), ou seja,
independente do intervalo entre 8:00hs (quando ocorreu a ltima chegada) e 8:20hs (t). Exemplo:
Uma mquina quebra a cada 40 minutos em mdia com distribuio exponencial. Assim, a taxa
mdia de quebra :
1.5 t
A funo densidade : f (t ) = 1.5e , t > 0

60
= 1.5 quebra / hora
40

Se agora so 8:20hs, a probabilidade que a prxima quebra seja at 8:30hs :

10

1.5
10
P t = 1 e 60 0.22
60

Porm, se agora so 7:00hs, a probabilidade que a prxima quebra seja at 8:30hs :

90

Fernando Nogueira

1.5
90
P t = 1 e 60 0.89
60
Teoria de Filas

12

Processos de Nascimento e Morte: relao entre Poisson e Exponencial

Processo de Nascimento Puro somente chegadas so permitidas. Ex: emisso de
certido de nascimento.
Processo de Morte Puro somente sadas so permitidas. Ex: retirada aleatria de
itens de um estoque.
Tempo entre Chegadas e Tempo entre Sadas possuem distribuio exponencial com
parmetros n e n, respectivamente Cadeia de Markov em Tempo Contnuo.
Processo de Nascimento Puro
Seja p0(T) a probabilidade de nenhuma chegada durante um perodo T. Dado que o
Tempo entre Chegadas t exponencial e que a taxa de chegada clientes por unidade
de tempo, ento: p 0 (T ) = P{t T} = 1 P{t T} = 1 1 e T = e T

Expandindo p0(T) em Taylor, para um intervalo de tempo h > 0 , porm pequeno, fica:

p 0 (h ) = e

2
(
h )
= 1 h +
... = 1 h + O(h 2 )

2!

Considerando que em um intervalo pequeno, no mximo um evento pode ocorrer, ento

para h 0:

p1 (h ) = 1 p 0 (h ) 1 (1 h ) = h
Fernando Nogueira

Teoria de Filas

13

Este resultado mostra que a probabilidade de uma chegada durante h diretamente

proporcional h com taxa de chegada (constante de proporcionalidade).
A distribuio do nmero de chegadas pn(T) durante um perodo T, pode ser deduzida
por: p n (T + h ) p n (T ).p 0 (h ) + p n 1 (T ).p1 (h ) = p n (T )(
. 1 h ) + p n 1 (T )(
. h ), n > 0

p 0 (T + h ) p 0 (T ).p 0 (h ) = p 0 (T )(
. 1 h ), n = 0

Na primeira equao, n chegadas sero percebidas durante T + h se h n chegadas

durante T e nenhuma chegada durante h, ou n-1 chegadas durante T e uma chegada
durante h. Todas as outras combinaes so impossveis para a distribuio exponencial
(no mximo um evento pode ocorrer para um intervalo de tempo pequeno). Uma vez
que chegadas so eventos independentes, o produto das probabilidades pode ser
aplicado no lado direito das 2 equaes acima. Na segunda equao, zero chegadas
durante T + h podem ocorrer somente se nenhuma chegada ocorrer durante T e h. As
derivadas das 2 equaes dadas acima so:

p n (T + h ) p n (T )

= p n (T ) + p n 1 (T ), n > 0
p n (T ) = lim h 0
h

p 0 (T + h ) p 0 (T )
p (T ) = lim
= p 0 (T ), n = 0
h 0
0
h
Fernando Nogueira

Teoria de Filas

14

A soluo do sistema de equaes diferenciais resulta em:

n
(
T ) e T
p n (T ) =
, n = 0,1,2,...

n!

{ }

que a distribuio de Poisson com mdia E n T = T chegadas durante T. A varincia

var n T = T. O resultado mostra que se o Tempo entre Chegadas Exponencial com
mdia 1/ ento o nmero de chegadas durante T Poisson com mdia T.

{ }

Funao de Probabilidade:Poisson - Lambda = 3

Funao Distribuiao de Probabilidade:Poisson - Lambda = 3

0.25

1
0.9
0.8
Probabilidade Acumulada

Probabilidade

0.2

0.15

0.1

0.05

0.7
0.6
0.5
0.4
0.3
0.2
0.1

1
2
3
4
5
6
7
8
9
n - numero de chegadas no periodo T = 1

Fernando Nogueira

10

Teoria de Filas

1
2
3
4
5
6
7
8
9
n - numero de chegadas no periodo T = 1

15

10

Exemplo:
Um terminal de carga recebe caminhes a uma taxa de 1 caminho a cada 12
minutos. O Tempo entre Chegadas exponencialmente distribudo.
60
* 24 = 120 ca min hoes / dia
12
b)O nmero mdio de caminhes por ano : T = 120 * 365 = 43800 ca min hoes / ano

a)O nmero mdio de caminhes por dia : =

c)A probabilidade de nenhum caminho chegar em um dia :

p0

0
(
120 *1) e 120*1
(1) =
0

0!

d)A probabilidade de chegar 50 caminhes em 3 horas dado que 40 caminhes

chegaram durante as 2 primeiras horas do perodo de 3 horas :
(50 40 )

60

*1

60
e 12
* (3 2 )
(10 )
(
5 * (1)) e 5*1
12

p 50 40 (3 2 ) =
= p10 (1) =
0.018
(50 40)!
(10)!

Processo de Morte Puro

O sistema possui N clientes e nenhuma chegada permitida. Atendimentos
ocorrem em uma taxa clientes por unidade de tempo. A probabilidade pn(T)
de n clientes permanecerem aps T unidades de tempo :
Fernando Nogueira

Teoria de Filas

16

. 1 h )
p N (T + h ) = p N (T )(

. 1 h ) + p n +1 (T )(
. h ),0 < n < N
p n (T + h ) = p n (T )(
p (T + h ) = p (T )(
. 1) + p1 (T )(
. h )
0
0
Com h 0
pN (T ) = p N (T )

pn (T ) = p n (T ) + p n +1 (T ),0 < n < N

p (T ) = p (T )
1
0

prob. de realizar 0
(1 h ) atendimentos em h

(h )

prob. de realizar 1
atendimento em h

A soluo deste sistema de equaes

diferencias resulta na Distribuio de
Poisson Truncada.

Distribuio de Poisson Truncada

( N n ) T
(
T )
e
p n (T ) =
, n = 1,2,..., N
(N n )!

p 0 (T ) = 1 p n (T )
n =1

Exemplo:
Uma loja de flores recebe 18 buqus de rosas no comeo de cada semana.
Em mdia, a loja vende 3 buqus de rosas por dia sendo que tal demanda
possui distribuio de Poisson. Sempre que o nvel do estoque alcana 5
buqus de rosas, um novo pedido de 18 buqus de rosas feito para ser
entregue no comeo da prxima semana. Todo o estoque no fim da semana
(sobra) perdido.
Fernando Nogueira

Teoria de Filas

17

a) Uma vez que o atendimento realizado numa taxa = 3, a probabilidade de

fazer um novo pedido (quando o estoque chega em 5 buqus) em qualquer dia
da semana :

p n 5 (T ) = p 0 (T ) + p1 (T ) + ... + p 5 (T )
(18 n ) 3T
(
3T )
e
= p 0 (T ) +
, T = 1,2,...,7
(18 n )!
n =1
5

Grficos para T = 3

Fernando Nogueira

Teoria de Filas

18

b) O nmero mdio de buqus de rosas que sero perdidos no fim de cada

semana (t 7 T = 7 ) :
18

E{n t 7} = np n (7 ) = .664 buqus

n =0

Grficos para T = 7

Fernando Nogueira

Teoria de Filas

19

Modelo de Fila de Poisson Generalizado

Processo de Nascimento e Morte combinados (Tempo entre Chegadas e
Tempo entre Sadas possuem distribuio exponencial)
Modelo baseado em situao do processo operando sobre condies de
Estados Estavis (Estados em Fase de Regime, Estados Estacionrios).
O estado do sistema o nmero n de clientes no Sistema de Fila.
Para n > 0 e h 0, o estado n pode somente mudar para o estado n 1
quando um atendimento ocorre na taxa n ou para o estado n + 1 quando uma
chegada ocorreu na taxa n. Obs: estado 0 s pode mudar para o estado 1
quando uma chegada ocorre na taxa 0. 0 no definido porque nenhum
atendimento pode ocorrer para n = 0.
Probabilidades pn so obtidas atravs do Diagrama de Transio de Taxa:

Fernando Nogueira

Teoria de Filas

20

Em condies de Estados Estveis, para n > 0, a taxa esperada de fluxo

entrando e saindo do estado n precisa ser igual. Uma vez que o estado n pode
mudar somente para o estado n 1 ou n + 1, tem-se:
taxa esperada de fluxo
taxa esperada de fluxo

= n 1pn 1 + n +1pn +1

= ( n + n )p n
entrando no estado n
saindo do estado n

Igualando as 2 taxas, tem-se a seguinte equao de balano:

n 1pn 1 + n +1pn +1 = (n + n )pn , n = 1,2,...

0p0 = 1p1 , n = 0

Para n = 0, tem- Para n = 1, temse:

se:
0

p1 = p0
1

0p0 + 2p2 = (1 + 1 )p1 p2 = 1 0 p0
21

Por induo:

...
pn = n 1 n 2 0 p0 , n = 1,2,...
nn 1...1
p0 determinado atravs de:

p
n =0

Fernando Nogueira

=1

Teoria de Filas

21

Exemplo 1:
Uma mercearia possui a seguinte regra para definir o nmero de caixas
operando na loja dependendo do nmero de clientes:
No de clientes
na loja

No de caixas
operando

1a3

4a6

+ de 6

A Taxa de Chegada, com distribuio Poisson, 10

clientes/h e o Tempo de Atendimento, com
distribuio Exponencial, 12 minutos/cliente.
Determine a distribuio de probabilidade pn de n
clientes no Sistema de Fila em condies de
Estados Estveis.

n = = 10 clientes/ h, n = 0,1,...
60 = 5 clientes/ h, n = 1,2,3
12
n = 2 * 5 = 10 clientes/ h, n = 4,5,6
3 * 5 = 15 clientes/ h, n = 7,8,...

10
p1 = p 0 = 2 p 0
5

10
p0 = 8p0
10

10
p6 =
5

10 10 10
pn =
5 10 15

10
p 3 = p 0 = 8p 0
5

Fernando Nogueira

10
p0 = 8p0
10

10
p 2 = p 0 = 4p 0
5

10
p4 =
5

10
p5 =
5

10
p 0 = 8p 0
10

Teoria de Filas

2
= 8
3

n 6

n 6

p0 , n = 7,8,...
22

p0

p0 determinado por:

2
3

2 2 2

2
2 2
p0 + p0 2 + 4 + 8 + 8 + 8 + 8 + 8 + 8 + 8 + ... = 1 p0 31+ 81 + + + ... = 1
3 3

3
3 3

1
Usando a soma da srie geomtrica x i =
, x < 1 , tem-se:
1

x
i =0

1
1
= 1 p 0 =
p 0 31 + 8
55
1 2

De posse de p0, pode-se calcular ento qualquer probabilidade pn. Por

exemplo, a probabilidade que somente um caixa esteja operando dada por:

p 1 + p 2 + p 3 = (2 + 4 + 8 )

1
0 . 255
55

e o nmero esperado de caixas ociosos :

3 p 0 + 2 (p 1 + p 2 + p 3 ) + 1(p 4 + p 5 + p 6 ) + 0 (p 7 + p 8 + ... ) = 1 caixa

Fernando Nogueira

Teoria de Filas

23

Terminologia

Fernando Nogueira

Teoria de Filas

24

Em condies de Estados Estveis (no transiente)

Relaes entre L, W, Lq e Wq
L = W Frmula de Little
L q = Wq

obs: se n cte utiliza se

Fernando Nogueira

W = Wq +

1
W = Wq + W = Wq + L = L q +

nmero mdio de
s
s
=
L

L
=

=
q
servidores ocupados

s
Teoria de Filas

25

Exemplo 2:
A taxa de chegada de carros 6 carros/h com distribuio de Poisson em um
estacionamento que possui 5 vagas. O intervalo de tempo que os carros ficam
estacionados distribudo exponencialmente com mdia de 30 min. Os carros
que no encontram uma vaga disponvel, podem esperar em uma rea
provisria at que algum carro estacionado deixe o estacionamento. Esta rea
pode suportar at 3 carros. Demais carros que no conseguem estacionar nem
aguardar na rea provisria vo embora.
a) a probabilidade, pn, de ter n carros no sistema:
s=5

3n
p0 , n = 1,2,...,5
n!
pn = n
3 p , n = 6,7,8
5!5n5 0

n = 6 carros/ h, n = 0,1,...,7

n 60 = 2n carros/ h, n = 1,2,...,5
30
n =
60
5 30 = 10 carros/ h, n = 6,7,8
3 32 33 34 35 36 37
38
p0 + p1 + ... + p8 = 1 p0 + p0 + + + + + + 2 + 3 = 1
1! 2! 3! 4! 5! 5!5 5!5 5!5

pn

.04812

.14436

.21654

.21654

.16240

.09744

.05847

.03508

.02105

Fernando Nogueira

Teoria de Filas

26

b) A taxa efetiva de chegada (eff):

Fonte

eff
lost

Sistema

B = eff + lost

Se 8 carros j esto no estacionamento, ento um outro carro no poder

entrar, assim a proporo de carros que no entraro p8.

lost = p8 = 6x0.02105= 0.1263carro/ h e eff = lost = 6 0.1263= 5.8737carro/ h

c) O nmero mdio de carros no estacionamento e na rea provisria :

L = 0p0 +1p1 + ... + 8p8 = 3.1286carros

d) O tempo mdio que um carro aguarda na rea provisria (Wq) :

L 3.1286
W=
=
= .53265hora
eff 5.8737

1
1
Wq = W = .53265 = .03265hora

e) O nmero mdio de vagas ocupadas (servidores ocupados) :

eff 5.8737
s = L Lq =
=
= 2.9386vagas

f) O fator de utilizao do estacionamento:

s 2.9368
=
= .58737
s
5
Fernando Nogueira

ou =

eff 5.8737
=
= .58737
s
5* 2

Teoria de Filas

27

Notao (a/b/c):(d/e/f)
a: distribuio do tempo entre chegada (M, D, Ek, G, GI);
b: distribuio do tempo de atendimento (M, D, Ek, G, GI);
c: nmero de servidores (canais de atendimento);
d: disciplina da fila (FIFO, FCFS, LIFO, Randmica, Prioridade, Qualquer, ...)
e: nmero mximo de clientes no sistema (finito ou infinito);
f: tamanho da fonte de entrada (finito ou infinito).
onde:
M: Markoviano (Exponencial (tempo) Poisson (taxa));
D: Determinstico (tempo constante);
Ek: Distribuio de Erlang ou Gama soma de distrib. exponenciais independentes
G: distribuio geral (no se sabe nada sobre os tempos de chegada/servio);
GI: distribuio geral em que os tempos de chegada/servio so i.i.d..
Exemplos: (M/M/1):(Fifo//), (M/D/10):(Rand/20/)
Fernando Nogueira

Teoria de Filas

28

Modelo (M/M/s):(qq//)

n, n < s

=
eff = fila (buffer) infinita n = , n 0 n s, n s
( ns ) 1
n
n
s
n
n
s
1

)
( ) ( )
p0 = n p0 =
p0 , 0 n < s
=
+
p0 =

n!
n!
s! n=s s
n=0 n!
(2)(3)...(n)

n
pn =
1
(
n
n
)
n
s
s1

p0 = (ns) n p0 = (ns) p0 , n s
( ) + ( ) 1 , < 1
s
=
s
!
s
s
!
s

1 (s) s
i(s)
n
!
s
!
n
=
0

i=1
s
s

(
d k
) k ( )
L
Lq
Lq = (n s)pn =kpk+s = k
p0 =
p0
= L=L +
W
=
Wq =
q
s!
s!
n=s
k=0 d
k=0
k=0

s
s
s
( ) p d k = ( ) p d 1 = ( ) p0
s1 e no s porque se um
cliente chegar quando n=s,

0
0
d1 s!(1)2
s!
d k=0 s!
este ficar na fila

( )

s1

1 + p0 ( ) 1 e
p{ > T} = (1 p{ = 0})es(1)T
p{q = 0} = pn

p{ > T} = eT
q
q
n =0
(
)
s
!
1
s
1

n=0 e no n=1 porque se nunca

T(s1 )
houver fila p{wq=0} = 1 e sem p0 a
se s 1 = 0 1 e
s 1 = T
s

T(s1 )

somatria no resulta em 1.

obs: (M/M/s) um caso especifico do Modelo de Fila de Poisson Generalizado.

Modelo de Fila de Poisson Generalizado independente da disciplina de fila.
Fernando Nogueira

Teoria de Filas

29

Exemplo:
Um hospital possui apenas um mdico de planto.Um estudo foi realizado para analisar
a viabilidade de contratar mais um mdico plantonista, sendo o intervalo entre chegadas
estimado de 30 min. e o tempo de atendimento estimado de 20 min, ambos distribudos
exponencialmente.
= 2, = 3.

De posse dos resultados acima, o hospital entendeu que o tempo aguardado esperado na
fila para um nico mdico (Wq= 2/3 horas = 40 min.) grande, fato que justifica a
contratao de mais mdico plantonista.

Fernando Nogueira

Teoria de Filas

30

Modelo (M/M/s):(qq/N/), s N
Difere do modelo (M/M/s):(qq//) no nmero mximo de clientes no sistema
que finito e igual a N. O comprimento mximo da fila Lq = N-s e eff .
, 0 n < N
n =
0 n N
n, 0 n < s
n =
s, s n N

Para
1
s

Para
=1
s

( )n
p,

n! 0
pn =
n
( ) p ,
s!s(n s ) 0

1 n < s
snN

eff

n =s +1 s
N

(n s )

( Ns )
( Ns )

p0 ( ) ( (s))
Lq =
(N s) 1
1
2
s!(1 (s)) s
s s
s

s
(
) (Ns)(Ns +1)
L=
p
q

2s!

lost = pN e eff = lost = (1 pN )

L = Lq +

( ) ( )
p0 =
+
n =0 n!
s!

Wq =

Fernando Nogueira

Lq
eff

W=

L
eff

eff
s

Teoria de Filas

Mesmo quando (/s) 1 o sistema

pode alcanar a condio de estados
estveis porque n= 0 para n N.

31

Exemplo:
Uma companhia de entrega possui 4 caminhes. So observados em mdia 16 pedidos
de entregas por hora com distribuio Poisson e o intervalo de tempo gasto por entrega
em mdia 12 minutos com distribuio Exponencial. Do ponto de vista de Teoria de
Filas, os caminhes so os servidores e os pedidos de entregas so os clientes. A
companhia est estudando a possibilidade de implementar (ou no) a seguinte poltica:
advertir a pessoa que solicita um pedido de entrega de um potencial atraso excessivo
toda vez que houver 6 pedidos de entrega na fila. Comparar os resultados do modelo
sem e com a implantao da poltica citada.
= 16, = 5
Cenrio 1: (M/M/4):(qq//) Sem poltica: Fila (Buffer) infinta
Cenrio 2: (M/M/4):(qq/10/) Com poltica: Fila (Buffer) finta, N = 4 + 6 = 10

Fernando Nogueira

Teoria de Filas

32

Modelo (M/M/R):(qq/K/K), R K
Aplicao tpica: existem R pessoas para dar manuteno em K mquinas. a taxa em
que as mquinas quebram e a taxa em que as mquinas so reparadas.
Se todas as mquinas esto quebradas no h mais mquinas para quebrarem
Tamanho da Populao Finita: n = (K n), 0 n K.
(K n ), 0 n < K
n =
0 n K
n, 0 n < R
n =
R , R n K

K! n
p0 , 0 n R

(
)

K
n
!
n
!

pn =
n

K!
(K n )!R!R (n R ) p0 , R n K

K!
K!

p0 =
. +
.
n =0 (K n )!n! n =R +1 (K n )!R!R (n R )

L = npn

eff = E{(K n )} = (K L)

n =0

Lq = L

eff

Wq =

Fernando Nogueira

Lq
eff

W=

L
eff

eff
s

Teoria de Filas

33

Exemplo:
Uma companhia possui 22 mquinas. Cada mquina quebra, em mdia, a cada 2 horas,
sendo gastos 12 minutos, em mdia, para realizar o reparo. O tempo entre quebras e o
tempo de reparo so distribudos Exponencialmente. Analisar a produtividade da
companhia em funo do nmero de pessoas encarregadas de dar manuteno.
produtividade mquinas disponiveis mquinas quebradas 22 L
= 0.5, = 5
=
=

mquinas

Fernando Nogueira

mquinas disponiveis

Teoria de Filas

22

34

Modelo (M/G/1):(qq//)
Distribuio do tempo de atendimento qualquer com mdia 1/ e varincia
2. = < 1

Para
1
Lq
22 + 2 L = L +
pn intratvel
W
=
W
+
p0 =1 Lq =
Wq =
q
q

analiticamente

2(1 )
Exemplo:
Um lava-jato recebe, em mdia, 4 carros por hora com distribuio Poisson e o tempo
de atendimento 10 minutos por carro com distribuio exponencial se a lavagem
realizada por um funcionrio. Se a lavagem for realizada por uma mquina o tempo de
atendimento tambm 10 minutos, porm constante (determinstico 2 = 0).
Comparar as medidas de performance do sistema operando com o funcionrio e com a
mquina. = 4, = 6.

Fernando Nogueira

Teoria de Filas

35

Modelo de Custos para Filas

ETC(x ) = EOC(x ) + EWC(x )

onde:
x = ( ou s) nvel de servio
ETC = custo total esperado

ETC

custos

Modelos de Custos

Nvel de
servio
timo

EOC

EW C
nvel de servio

EOC = custo de operao do sistema esperado

EWC= custo de aguardar por unidade de tempo esperado

Geralmente utiliza-se:

EOC(x ) = C1x

EWC(x ) = C2L
onde:
C1 = custo por unidade de x por unidade de tempo
C2 = custo por aguardar por unidade de tempo por cliente
Fernando Nogueira

Teoria de Filas

36

Exemplo:
Uma grfica necessita comprar uma copiadora. Existem 4 modelos de copiadoras no
mercado com suas caractersticas dada na tabela abaixo. Os Jobs chegam com
distribuio Poisson com mdia de 4 jobs/dia. O tamanho de cada job em mdia de
10000 folhas. Contratos com os clientes da grfica estipula uma penalidade de $80,00
por job/dia de atraso. Qual copiadora a grfica deve comprar?
Modelo

custo de
operao ($/h)
15
20
24
27

1
2
3
4

velocidade
(cpias/min)
30
36
50
66

i = 1,2,3,4 modelo i
ETCi = EOCi + EWCi
ETCi = C1i 24 + C2i Li
ETCi = 24C1i + 80Lsi

Os valores de C1i so os custos de operao dados na tabela acima. Para fins prticos,
cada copiadora pode ser tratada como um modelo (M/M/1):(qq//). A taxa de
chegada = 4 jobs/dia e a taxa de atendimento i (jobs/dia) :
Modelo i
1
2
3
4

i
4
4
4
4

Fernando Nogueira

i
30*60*24/10000 = 4.320
36*60*24/10000 = 5.184
50*60*24/10000 = 7.200
66*60*24/10000 =9.504

Lsi
12.50
3.39
1.25
0.73

Teoria de Filas

EOCi($)
360,00
480,00
576,00
648,00

EWCi($)
1000,00
271,20
100,00
58,40

ETCi($)
1360,00
751,20
676,00
706,40
37