P. 1
Teoria Das Filas

Teoria Das Filas

|Views: 781|Likes:

More info:

Published by: Augusto Ganzaroli Mahé on Oct 06, 2010
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/24/2012

pdf

text

original

PESQUISA OPERACIONAL: UMA APLICAÇÃO DA TEORIA

DAS FILAS A UM SISTEMA DE ATENDIMENTO



Rafael de Bruns
Sérgio Pacífico Soncim
Maria Cristina Fogliatti de Sinay - Phd
Instituto Militar de Engenharia – IME, Mestrado em Engenharia de Transportes.
Praça General Tibúrcio, 80. Praia Vermelha – Rio de Janeiro – RJ – CEP. 22.290-270



Abstract

This paper presents the application of the Queue Theory as a tool to evaluate the operation
system of department store attendance. The Queue Theory allows to foresee the behavior
of a system, facilitating the dimension of installations, equipments and personal.

Key words: Queue, Research e Operation



1. Introdução

As filas são uma constante da vida cotidiana das pessoas. Elas são enfrentadas com bom ou
mau humor, ou até com indiferença. O certo é que, no dia-a-dia, as filas constituem algo
desagradável, mas que deve ser encarado da melhor maneira possível. Já o analista de
sistemas de gerência, enfrenta problemas em que as filas surgem com implicações
econômicas sérias, exigindo um tratamento racional do fenômeno.

A Teoria das Filas é um setor da Pesquisa Operacional que utiliza conceitos básicos de
processos estocásticos e de matemática aplicada para analisar o fenômeno de formação de
filas e suas características. Foi desenvolvida com a finalidade de prever o comportamento
das filas de modo a permitir o dimensionamento adequado de instalações, equipamentos e
sua infra-estrutura.

É necessário deixar claro de início que os modelos nem sempre conseguem representar as
situações reais com grande precisão. Muitas vezes, as premissas necessárias ao
desenvolvimento matemático dos modelos envolvem simplificações substanciais. Mesmo
assim, há vantagem em desenvolver tais modelos, principalmente por que eles levam a um
melhor entendimento das principais condicionantes do processo.

Uma fila é caracterizada por um processo de chegadas (pessoas, veículos, trens, etc.) a um
sistema de atendimento formado por uma ou mais unidades de serviço. As unidades podem
ser atendidas individualmente (pedágio, porto, etc.), ou em grupos (pessoas num elevador,
veículos num semáforo, etc.).

No caso em estudo deste trabalho, a coordenação da operação de atendimento é realizada
pela própria gerência da empresa.

Dentro do contexto apresentado, o presente trabalho tem como objetivo avaliar os
parâmetros de efetividade do Sistema de Filas que se formam no acesso aos caixas de uma
Loja de Departamentos, utilizando-se do método da Teoria das Filas.

Pretende-se, ao final desta avaliação, por meio da análise dos parâmetros calculados,
confrontar os resultados obtidos para a situação vigente, descrita no estudo de caso, com as
hipóteses formuladas que sejam viáveis de serem implantadas.

2. Descrição do Sistema

A Loja de Departamentos em questão, situada em um estabelecimento comercial de grande
circulação de pessoas, possui 26 postos de atendimento (denominados Caixas).

Cada caixa tem a função de fazer a cobrança das compras efetuadas por clientes, possuindo
um sistema informatizado de atendimento.

O pagamento destas compras é efetuado com dinheiro, cheque ou cartão de crédito, sendo
que este último requer mais tempo de atendimento, pois necessita de consulta na operadora
do mesmo. Os clientes chegam para aguardar em uma fila única e são atendidos de acordo
com a ordem de chegada.

3. Modelagem Analítica do Sistema

Para definir o modelo de filas é necessário coletar e analisar os dados referentes às
chegadas dos clientes aos caixas, o número dos mesmos dispostos em paralelo e os tempos
despendidos para o serviço, assim como o tipo de fila que se forma, que no caso estudado,
a fila é única com atendimento seguindo a ordem de chegada dos clientes. Por se tratar de
um trabalho que tem como objetivo apresentar as técnicas da teoria de Filas, apenas uma
amostra foi coletada.

3.1. Chegada dos Clientes

A coleta de dados, dos tempos de chegada, foi realizada de tal maneira que foram
observados os tempos consecutivos de chegadas de clientes à fila.

Para a determinação do tipo de distribuição que se enquadram as chegadas dos clientes
consideraram-se intervalos de 1 minuto, obtendo-se a freqüência observada para cada
minuto considerado no estudo.Os dados referentes ao número de clientes que chegam aos
Postos de Atendimento são representados na tabela 3.1.

Nº de chegadas
em 1 Minuto
Freq.
Observada (Oi)
Freq. Rel.
Observ.
Freq.
Observ Ac
0 5 0,07 0,07
1 9 0,13 0,20
2 11 0,16 0,36
3 18 0,26 0,61
4 14 0,20 0,81
5 8 0,11 0,93
6 5 0,07 1,00
Total 70 1,00
Tabela 3.1 – Freqüências Observadas no processo de chegadas.

Em primeira análise, pode–se perceber a não existência de sazonalidade, assim como uma
tendência da curva da freqüência relativa observada (gráfico 3.1) a se conformar como uma
Distribuição de Poisson com taxa média (λ) de 3,014 clientes por minuto.

Freq. Rel. Observ.
0,00
0,10
0,20
0,30
0 1 2 3 4 5 6
Nº de Chegadas em 1 minuto
F
r
e
q
u
ê
n
c
i
a

o
b
s
e
r
v
a
d
a
Freq. Rel. Observ.

Gráfico 3.1 – Gráfico das Freqüências Relativas Observadas do Processo de Chegada.

A partir dos dados da tabela 3.1, partiu-se para o cálculo da freqüência calculada para a
realização dos testes de Aderência Gráfica e do Chi-quadrado, ou seja, testar se a variável
em questão, número de chegadas por unidade de tempo, segue uma distribuição de Poisson
com taxa 3,014 clientes por minuto, ao 5% de significância.

Nº de chegadas em 1 Minuto Freq. Rel. Calc. Freq. Calc. Ac. Freq. Calc (Ei) (Oi-Ei)
2
/Ei
0 0,05 0,05 3,44 0,71
1 0,15 0,20 10,36 0,18
2 0,23 0,43 15,61 1,36
3 0,23 0,67 15,68 0,34
4 0,17 0,84 11,82 0,40
5 0,11 0,95 7,12 0,11
6 0,05 1,00 3,58 0,56
Total 1 68 3,67
Tabela 3.2 – Freqüências Calculadas no processo de chegadas.

3.2 – Teste de Aderência Gráfica.

Os dados da tabela anterior foram plotados (gráficos 3.2 e 3.3) com a finalidade de se
realizar um teste de aderência gráfica para uma distribuição de Poisson com parâmetro λ =
3,014 clientes por minuto.
Distribuição Acumulada do
Número de Chegadas
0,00
0,50
1,00
0 2 4 6 8
N ú m e r o d e C h e g a d a s e m
1 M in u to
Freq. Observada
(Oi)
Freq. Calc (Ei)
Distribuição do Número de Chegadas
0,00
0,10
0,20
0,30
0 2 4 6 8
Número de Chegadas em 1
Minuto
F
r
e
q
u
e
n
c
i
a

R
e
l
a
t
i
v
a
Freq. Rel.
Observ.
Freq. Rel.
Calc.
Gráfico 3.2 – Aderência Gráfica Gráfico 3.3 – Freqüência Acumulada.

3.3 - Teste não Paramétrico para Distribuição de Poisson.

A partir dos dados da tabela 3.2, testam-se as seguintes hipóteses para a nédia de 3,23
clientes por minuto:


H
0
= a variável que representa o número de chegadas por unidade de tempo, segue uma
distribuição de Poisson com taxa 3,014 clientes por minuto, ao 5% de significância.

H
1
= a variável que representa o número de chegadas por unidade de tempo, não segue
uma distribuição de Poisson com taxa 3,014 clientes por minuto, ao 5% de significância.

Graus de Liberdade: =7 – 1 – 1 = 5, onde k é o número de intervalos e m é o
número de variáveis em questão.
1 − − = m k ν

Se
( )

=

=
N
i
Ei
Ei Oi
1
2
2
ν χ
> χ
2
ν, α
, então rejeita H
o
ao α % de significância, onde χ
2
ν, α
é um valor
tabelado e χ
2
ν
foi obtido da tabela 3.2. Como χ
2
ν
= 3,668 < χ
2
ν, α
= 11,071, então não há
indícios para se rejeitar H
o
ao 5%(α) de significância.

3.4 – Atendimento dos Clientes.

A coleta de dados, dos tempos de atendimento, foi realizada de tal maneira que foram
anotados os tempos gastos por cada caixa para realizar o seu atendimento.

Para a determinação do tipo de distribuição que se enquadram os tempos de atendimento
consideraram-se os tempos de atendimento entre 0 – 6 minutos, obtendo-se a freqüência
observada para cada intervalo considerado.

Os dados referentes ao número de clientes que foram atendidos por caixas por intervalo de
tempo considerado são representados na tabela 3.3. Da mesma forma que o processo de
chegadas, com os dados da tabela 3.3 a tabela 3.7, partiu-se para o cálculo da freqüência
calculada (tabela 3.4) e os testes não paramétricos.

Freq. Observada (Oi)
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 17 16 16 14 20 17 15 14 18 17 16
2 - 4 7 7 8 8 6 8 8 7 6 7 7
4 - 6 5 5 5 5 5 5 6 6 5 6 5
6 - 8 1 1 0 1 1 0 1 1 1 1 1
Total 30 29 29 28 32 30 30 28 30 31 29
1/u 2,33 2,38 2,24 2,50 2,19 2,20 2,53 2,57 2,27 2,42 2,38
Tabela 3.3 – Freqüência Observada para Atendimento.

Freq. Rel. Observ.
Tempo (minutos)
PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 – 2 0,57 0,55 0,55 0,50 0,63 0,57 0,50 0,50 0,60 0,55 0,55
2 – 4 0,23 0,24 0,28 0,29 0,19 0,27 0,27 0,25 0,20 0,23 0,24
4 – 6 0,17 0,17 0,17 0,18 0,16 0,17 0,20 0,21 0,17 0,19 0,17
6 – 8 0,03 0,03 0,00 0,04 0,03 0,00 0,03 0,04 0,03 0,03 0,03
Total 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Tabela 3.4 – Freqüência Relativa Observada para Atendimento.

Em primeira análise, pode – se perceber de uma forma geral, uma tendência da curva da
freqüência relativa observada a se conformar seguindo uma Distribuição Exponencial com
taxa média de 0,42 clientes por minuto, (gráficos 3.4 a 3.14).



Freq. Rel. Observ. P02
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
F r e q . R e l. O b s e r v . P 0 3
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tem po
Freq. Rel. Observ.
Freq. Rel. Observ. P01
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.















Freq. Rel. Observ. P04
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P05
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P06
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P09
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P08
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P07
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P10
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P11
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Gráficos 3.4 ao 3.14 – Freqüência Relativa Observada do Processo Atendimento.

Com os dados da tabela 3.4, partiu-se para o cálculo da freqüência calculada (tabela 3.5 a
3.7) e a realização do teste Chi-quadrado, ou seja, testar se a variável em questão, o tempo
de atendimento, segue uma distribuição Exponencial com taxa média 0,42 clientes por
minuto, ao 5% de significância.

Freq. Calc (Ei)
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 17,27 17,06 17,71 16,52 17,98 17,91 16,38 16,22 17,59 16,875 17,056
2 - 4 7,33 7,36 7,26 7,42 7,20 7,22 7,44 7,45 7,28 7,383 7,359
4 - 6 3,11 3,18 2,97 3,34 2,89 2,91 3,38 3,42 3,01 3,230 3,175
6 - 8 1,32 1,37 1,22 1,50 1,16 1,17 1,53 1,57 1,25 1,413 1,370
Total 29,03 28,96 29,15 28,78 29,23 29,21 28,72 28,66 29,12 28,901 28,96
Tabela 3.5 – Freqüência Calculada para Atendimento.





Freq. Rel. Calc.
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 0,59 0,59 0,61 0,57 0,62 0,61 0,57 0,57 0,60 0,58 0,59
2 - 4 0,25 0,25 0,25 0,26 0,25 0,25 0,26 0,26 0,25 0,26 0,25
4 - 6 0,11 0,11 0,10 0,12 0,10 0,10 0,12 0,12 0,10 0,11 0,11
6 - 8 0,05 0,05 0,04 0,05 0,04 0,04 0,05 0,05 0,04 0,05 0,05
Total 1 1 1 1 1 1 1 1 1 1 1
Tabela 3.6 – Freqüência Relativa Calculada para Atendimento.
(Oi-Ei)
2
/Ei
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 0,00 0,07 0,16 0,38 0,23 0,05 0,12 0,30 0,01 0,00 0,07
2 - 4 0,01 0,02 0,08 0,04 0,20 0,08 0,04 0,03 0,22 0,02 0,02
4 - 6 1,15 1,05 1,38 0,83 1,55 1,51 2,04 1,94 1,31 2,38 1,05
6 - 8 0,08 0,10 1,22 0,17 0,02 1,17 0,19 0,21 0,05 0,12 0,10
Total 1,25 1,23 2,84 1,43 2,00 2,81 2,38 2,48 1,60 2,52 1,23
Tabela 3.7 – Chi-quadrado Calculado.

3.5 – Testes Não Paramétricos para Distribuição Exponencial.

Serão testadas as hipóteses de que os tempos de atendimentos nos caixas estão idêntica e
exponencialmente distribuídos em torno a uma média de 2,36(1/u) minuto, onde
( )

=
=
11
1
,
*
11
1
i
i PO
u u .

H
0
= a variável que representa o tempo de atendimento segue uma distribuição
Exponencial com média igual a 2,36 minutos, ao 5% de significância.

H
1
= a variável que representa o tempo de atendimento não segue uma distribuição
Exponencial com média igual a 2,36 minutos, ao 5% de significância.
Se
( )

=

=
N
i
Ei
Ei Oi
1
2
2
ν χ
> χ
2
ν, α
, então rejeita H
o
ao α % de significância;

PO 1 2 3 4 5 6 7 8 9 10 11
χ
2
ν
1,25 1,23 2,84 1,43 2,00 2,81 2,39 2,48 1,59 2,52 1,23
χ
2
ν,α
3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84
Tabela 3.8 – Tabela Resumo Teste Não Paramétrico.

Como χ
2
ν
< χ
2
ν, α
, para todos os posto, então não há indícios para se rejeitar H
o
ao 5% de
significância.

4. O Modelo de Filas

O modelo ajustado segundo os dados obtidos é M / M / 11 / ∞ / FIFO (Notação de
Kendall), com λ = 3,014 clientes por minuto e u = 0,42 clientes por minuto. Os parâmetros
a serem calculados e que representam a operacionalidade do sistema são:
• L(c) = Número médio de clientes no sistema;
• W(c) = Tempo médio de permanência de um cliente qualquer no sistema;
• Lq(c) = Número médio de clientes na fila aguardando atendimento;
• Wq(c) = Tempo médio de permanência de um cliente qualquer na fila;

• Po = Probabilidade de o sistema estar vazio (igual a ociosidade total do sistema);

4.1 – Situação Usual do Sistema.

Utilizando-se as fórmulas descritas abaixo, para a situação atual (· = 3,014, u = 0,42 e C =
11),, pode-se verificar

Formulas para o sistema M/M/C/∝/FIFO
u
λ
= r ,
u
λ
ρ
* c
= , ( )
1
1
0
) 1 !*( !


=


+
|
|
.
|

\
|
=

ρ c
r
n
r
c Po
c c
n
n
, ( )
( )
( ) ( )
2
1
! 1 r c c
r c Po
q Lq
c
− −
=
+
, ( )
( )
( )
2
1 !*
*
ρ
ρ

+ =
c
r c Po
r c L
c
,
( )
( )
λ
c Lq
c Wq = , ( ) ( )
u
1
+ = c Wq c W
que ocorre uma ociosidade (Po) de 34% do tempo e também um tempo de espera na fila de
0,20 minutos , ou seja, o cliente chega e praticamente se dirige para o caixa, então,
podemos concluir que o sistema esta superdimensionado, do ponto de vista da gerência.
Assim, verificou-se o comportamento do sistema no caso de aumento da demanda,
mantendo-se o número de postos de atendimento.

5.2 – Situação para Projeção em Dia de Pico.

Considerando um aumento na demanda para 5.000 clientes no dia de maior movimento, a
gerência da Loja sobe a oferta de 11 postos de atendimento para 20 caixas. Abordaremos
esta situação, mantendo a taxa de atendimento constante u = 0,42 clientes por minuto e
considerando a nova demanda, equivalente a λ = 7 clientes por minuto.

Pode-se verificar que ocorre uma ociosidade do sistema de 17% do tempo e também um
tempo de espera na fila de 0,542 minutos, o cliente espera um pouco antes de se dirigir
para o caixa, mas ainda é um tempo pequeno, que não causa desconforto ao cliente, ou
seja, o sistema continua superdimensionado.

5.3 – Variando os Postos de Atendimento de 8 a 11

Neste modelo, variou-se o número de postos de atendimento, para verificar se a redução de
postos afetaria substancialmente os tempos de espera do cliente no sistema. Os resultados
encontram-se na tabela 4.1 e no gráfico 4.1.







Tabela 4.1: Variação do número de postos de 8 a 11


Gráfico 4.1 – Variação do Número de Postos de Atendimento
6.295813
2.467387
W c ( )
11 8 c
8 9 10 11
2
4
6
8
Número de Postos de Atendimento
T
e
m
p
o

d
e

E
s
p
e
r
a

n
o

S
i
s
t
e
m
a
L(c) W(c) Lq(c) Wq(c)
7,92 6,30 11,80 3,92
7,74 3,06 2,04 0,677
7,58 2,60 0,66 0,221
7,43 2,44 0,261 0,086

Pode-se observar que variando de 8 a 11 postos de atendimento, considerando a situação
atual do sistema, o ideal do ponto de vista da gerência seria dispor de 9 Caixas, pois o
tempo de espera no sistema do cliente é de aproximadamente 3 minutos, o que não causa
muito desconforto para o cliente.

Como a demanda varia de horário para horário, achou-se útil verificar o número de postos
de atendimento que devem ser mantidos, segundo o λ. Para isto, fixou-se em 6 minutos o
valor de W(c) que é o parâmetro que melhor representa os anseios dos clientes. Os
resultados obtidos (tabela 4.2) podem ser usados pela gerência do sistema para dispor dos
servidores para outras atividades quando a demanda o permitir.

λ(taxa de ingresso ) C( postos de atendimento)
1,89<λ<2,30 6
2,30<λ<2,70 7
2,72<λ<3,14 8
2,72<λ<3,56 9
3,56<λ<3,97 10
3,97<λ<4,40 11
4,40<λ<4,81 12
4,81<λ<5,23 13
5,23<λ<5,64 14
Tabela 4.2: Número de postos de atendimento segundo λ.

5. Conclusões

O uso da Teoria de Filas é uma ferramenta útil para avaliar a operacionalidade de um
sistema. O tratamento dos dados e a análise dos resultados permite concluir sobre o
comportamento dos 3 componentes do processo: gerência-servidor-usuário, que tem
tendências diferentes e devem ser conciliadas em um resultado final.

7 – Bibliografia

1. NOVAES, G.: “Pesquisa Operacional e Transportes: Modelos Probabilísticos”,
Ed. McGraw – Hill, São Paulo, 1975.
2. HILLIER, Frederick S. & LIEBERMAN, Gerald J.: “Operations Research”, 2ª
Edition, Ed. Holden Day – San Francisco, 1974.
3. STEVENSON, W. J.: “Estatística aplicada à Administração”, Ed. Harbra, São
Paulo, 1986.
4. GROSS, Donald & HARRIS Carl, “Fundamentals of Queueing Theory”, Ed.
John Willey, New York, 1974.
5. SINAY, M. C., et alli: “Qualidade de Produtividade do Sistema de Transporte
Metropolitano de Passageiros”, II Congresso Internacional de Transportes
Metropolitanos Sobre Trilhos, Rio de Janeiro, 1994.
6. SINAY, M. C., et alli: “Planejamento e Controle Operacional de Terminais
Ferroviários Urbanos de Topo”, II Congresso Internacional de Transportes
Metropolitanos Sobre Trilhos, Rio de Janeiro, 1994.

o presente trabalho tem como objetivo avaliar os parâmetros de efetividade do Sistema de Filas que se formam no acesso aos caixas de uma Loja de Departamentos.Dentro do contexto apresentado.36 3 18 0. Chegada dos Clientes A coleta de dados.20 0. em 1 Minuto Observada (Oi) Observ. Freq. Os clientes chegam para aguardar em uma fila única e são atendidos de acordo com a ordem de chegada. com as hipóteses formuladas que sejam viáveis de serem implantadas. possui 26 postos de atendimento (denominados Caixas).07 0.13 0. Pretende-se.93 6 5 0.1. . pois necessita de consulta na operadora do mesmo. que no caso estudado.1.20 2 11 0. Observ Ac 0 5 0.81 5 8 0. O pagamento destas compras é efetuado com dinheiro. Cada caixa tem a função de fazer a cobrança das compras efetuadas por clientes. descrita no estudo de caso. apenas uma amostra foi coletada.07 1. 2. utilizando-se do método da Teoria das Filas. Freq. assim como o tipo de fila que se forma.07 1 9 0. o número dos mesmos dispostos em paralelo e os tempos despendidos para o serviço.26 0. por meio da análise dos parâmetros calculados. ao final desta avaliação. confrontar os resultados obtidos para a situação vigente. situada em um estabelecimento comercial de grande circulação de pessoas.16 0. Rel. a fila é única com atendimento seguindo a ordem de chegada dos clientes. foi realizada de tal maneira que foram observados os tempos consecutivos de chegadas de clientes à fila. Para a determinação do tipo de distribuição que se enquadram as chegadas dos clientes consideraram-se intervalos de 1 minuto.00 Total 70 1. sendo que este último requer mais tempo de atendimento. cheque ou cartão de crédito. 3. Descrição do Sistema A Loja de Departamentos em questão.00 Tabela 3. 3.61 4 14 0. Por se tratar de um trabalho que tem como objetivo apresentar as técnicas da teoria de Filas.1 – Freqüências Observadas no processo de chegadas. Nº de chegadas Freq. dos tempos de chegada.Os dados referentes ao número de clientes que chegam aos Postos de Atendimento são representados na tabela 3. Modelagem Analítica do Sistema Para definir o modelo de filas é necessário coletar e analisar os dados referentes às chegadas dos clientes aos caixas. obtendo-se a freqüência observada para cada minuto considerado no estudo.11 0. possuindo um sistema informatizado de atendimento.

82 0.1. Calc (Ei) 0 2 4 6 8 N úm ero de C hegadas em 1 M in u to 0.3) com a finalidade de se realizar um teste de aderência gráfica para uma distribuição de Poisson com parâmetro λ = 3. testar se a variável em questão. Frequência observada 0. assim como uma tendência da curva da freqüência relativa observada (gráfico 3. Observada (Oi) Freq. Calc (Ei) (Oi-Ei)2/Ei 0 0.15 0.Em primeira análise. testam-se as seguintes hipóteses para a nédia de 3.10 0. Rel. 3.36 3 0. Os dados da tabela anterior foram plotados (gráficos 3. A partir dos dados da tabela 3.23 clientes por minuto: .1 – Gráfico das Freqüências Relativas Observadas do Processo de Chegada. Calc.05 0. segue uma distribuição de Poisson com taxa 3. ou seja.014 clientes por minuto. Calc.12 0.67 15. Freq.05 1. Rel.36 0. ao 5% de significância. partiu-se para o cálculo da freqüência calculada para a realização dos testes de Aderência Gráfica e do Chi-quadrado.30 0.2 – Aderência Gráfica Gráfico 3. A partir dos dados da tabela 3.23 0. Freq.58 0.40 5 0.30 0.84 11. número de chegadas por unidade de tempo.014 clientes por minuto.00 Gráfico 3. Ac.56 Total 1 68 3.2 – Teste de Aderência Gráfica.11 0. Distribuição do Número de Chegadas Frequencia Relativa 0. pode–se perceber a não existência de sazonalidade.20 0.44 0.00 Freq. Rel.11 6 0.1) a se conformar como uma Distribuição de Poisson com taxa média (λ) de 3.2.00 0 1 2 3 4 5 6 Nº de Chegadas em 1 minuto Freq. Número de Chegadas em 1 Minuto Distribuição Acum ulada do Núm ero de Chegadas Freq.00 3.3 – Freqüência Acumulada.17 0.20 10.2 – Freqüências Calculadas no processo de chegadas. Rel.61 1.71 1 0.Teste não Paramétrico para Distribuição de Poisson. Observ. Calc. Observ. Nº de chegadas em 1 Minuto Freq.67 Tabela 3.3 .43 15.10 0.014 clientes por minuto.68 0. Gráfico 3.18 2 0. Freq. Rel.95 7. Observ.50 0.05 3. Freq.00 0 2 4 6 8 1.20 0.34 4 0.2 e 3.23 0. 3.

50 2–4 0.071.24 2. então não há indícios para se rejeitar Ho ao 5%(α) de significância.55 0.23 0.27 0.24 0. segue uma distribuição de Poisson com taxa 3. uma tendência da curva da freqüência relativa observada a se conformar seguindo uma Distribuição Exponencial com taxa média de 0.00 1.19 2. A coleta de dados.23 0.03 1.3.3 – Freqüência Observada para Atendimento.55 0. obtendo-se a freqüência observada para cada intervalo considerado. 3.50 0.18 0.H0 = a variável que representa o número de chegadas por unidade de tempo.19 0. não segue uma distribuição de Poisson com taxa 3.00 Tabela 3. então rejeita Ho ao α % de significância.17 0. α .00 Em primeira análise.38 2 Tempo (minutos) Freq. Da mesma forma que o processo de chegadas. H1 = a variável que representa o número de chegadas por unidade de tempo.014 clientes por minuto.7. partiu-se para o cálculo da freqüência calculada (tabela 3. onde χ2ν.00 1.27 0.29 0.38 2.25 4–6 0.04 Total 1. Os dados referentes ao número de clientes que foram atendidos por caixas por intervalo de tempo considerado são representados na tabela 3.27 2.20 0.55 0.2. . PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 0–2 0.17 0.19 0.57 2.63 0.16 0. PO9 0.00 1.60 0.57 0.4 – Freqüência Relativa Observada para Atendimento. ao 5% de significância.17 0.03 1.03 0. Freq.17 0.668 < χ2ν.17 0. ao 5% de significância.4) e os testes não paramétricos.00 1. onde k é o número de intervalos e m é o número de variáveis em questão.03 0.00 0. Graus de Liberdade: ν = k − m − 1 =7 – 1 – 1 = 5.53 2.014 clientes por minuto.4 – Atendimento dos Clientes. Para a determinação do tipo de distribuição que se enquadram os tempos de atendimento consideraram-se os tempos de atendimento entre 0 – 6 minutos.42 clientes por minuto.4 a 3.3 a tabela 3.00 1.03 1.50 2.00 1. Observada (Oi) Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11 0-2 17 16 16 14 20 17 15 14 18 17 16 2-4 7 7 8 8 6 8 8 7 6 7 7 4-6 5 5 5 5 5 5 6 6 5 6 5 6-8 1 1 0 1 1 0 1 1 1 1 1 Total 30 29 29 28 32 30 30 28 30 31 29 1/µ 2.00 0.42 Tabela 3. Como χ2ν = 3.00 1.50 0. foi realizada de tal maneira que foram anotados os tempos gastos por cada caixa para realizar o seu atendimento. 2. pode – se perceber de uma forma geral. α é um valor N 2 i=1 Ei tabelado e χ ν foi obtido da tabela 3. Rel. Observ. com os dados da tabela 3. Se χ 2ν = ∑(Oi− Ei) > χ2ν. dos tempos de atendimento.03 0.17 0.20 2.14).20 0.21 6–8 0.00 PO10 0.03 0.00 PO11 0.24 0. (gráficos 3.04 0.33 2.57 0.28 0. α = 11.55 0.

5 – Freqüência Calculada para Atendimento.50 0. 3 8 Intervalos de tempo Intervalos de tempo Intervalos de tempo Freq.30 0.40 0.00 -2 3 8 Freq. Intervalos de tempo Intervalos de tempo In te rv a lo s d e te m p o Freq. Intervalos de tempo Intervalos de tempo Gráficos 3.70 0. Rel.30 0. 40 0. 60 0.00 -2 0.57 1. Com os dados da tabela 3.40 0.5 a 3.60 0.12 Tabela 3. Rel. o tempo de atendimento. R el O bserv.20 0.91 16.21 28.53 1.60 0.413 28. Observ.10 0.27 17.45 7. Frequência Rel Observada 0.01 1.10 0. P06 Frequência Rel Observada Frequência Rel Observada Frequência Rel Observada 0.42 clientes por minuto. 0.40 0. Rel. Calc (Ei) Tempo (minutos) 0-2 2-4 4-6 6-8 Total PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 17. P09 Frequência Rel Observada Frequência Rel Observada 0. Freq. 3 8 Intervalos de tempo Intervalos de tempo Intervalos de tempo Freq. Rel. P01 Freq. ao 5% de significância.60 0.42 3. Observ. 20 0.72 28. Rel. partiu-se para o cálculo da freqüência calculada (tabela 3.370 28. Observ. ou seja. Observ.20 0. 50 0.23 29.52 17. Observ. 10 0.37 1. Rel.40 0. Rel.66 29. Observ.10 0.00 -2 3 8 Freq.20 0. Rel. Observ.14 – Freqüência Relativa Observada do Processo Atendimento. Rel.00 -2 3 8 Freq. Rel.30 0. testar se a variável em questão. Observ.4. 30 0.20 0. Freq.50 0.33 7.50 0. Observ. Observ.10 0.30 0.10 0.20 0.359 3.22 1.20 0.10 0.901 PO11 17. Rel. Observ.17 1.03 28.32 1.230 1. Rel.40 0.60 0.Freq.00 -2 3 8 Freq.383 3. . 0. Rel.22 17.50 0. P08 Freq.89 2.50 0.40 0.50 0. P04 Freq.7) e a realização do teste Chi-quadrado.50 1.20 0. Frequência Rel Observada 0.38 16. P02 F r e q .60 0. PO10 16. O b s e r v .50 0. Observ.50 0. P07 Freq.60 0.00 -2 3 8 Freq.98 17.06 17.60 0.10 0.40 0.96 . Rel.36 7.18 2. P11 Frequência Rel Observada 0.42 7.38 3.59 7.10 0.60 0.15 28.60 0.00 -2 3 8 Freq.20 7.175 1.30 0.4 ao 3.25 29.00 -2 3 8 Freq.44 7.10 0. R e l.10 0.26 7.50 0.00 -2 Freq.70 0.40 0.00 -2 3 8 Freq.20 0.30 0.16 1. Observ. Rel. Observ. Rel.30 0.71 16.22 7. segue uma distribuição Exponencial com taxa média 0. Rel.40 0.96 29.28 3.875 7. Observ. Observ.91 3. Rel.20 0. Observ.30 0. P10 Freq. Rel.34 2. Observ. P 0 3 Frequência Rel Observada Frequência Rel Observada 0. Observ.20 0.78 29.50 0. Rel. 0. Observ. P05 Freq.056 7.40 0.97 3.60 0. 00 -2 3 8 Freq.30 0.11 3. 0.30 0.

05 0.51 2.22 1.05 1 3.59 0.05 0. então rejeita Ho ao α % de significância.04 0.84 3.84 3.20 0. ao 5% de significância.84 3.25 0.16 0. Se χ 2ν = ∑(Oi− Ei) > χ2ν.10 0.02 1.36 minutos.17 0. Rel.25 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 0. para todos os posto.25 0.25 0. H1 = a variável que representa o tempo de atendimento não segue uma distribuição Exponencial com média igual a 2.02 2. • W(c) = Tempo médio de permanência de um cliente qualquer no sistema. α .84 1.05 1.08 0.23 χν χ2ν.38 2.02 0.05 0.57 0.42 clientes por minuto.39 2.04 0. ao 5% de significância.25 0. com λ = 3.17 0.36 minutos.25 0.59 0.81 2.48 1.00 0.43 2.00 2.61 0.84 3.23 PO10 0.11 0.00 2. Os parâmetros a serem calculados e que representam a operacionalidade do sistema são: • L(c) = Número médio de clientes no sistema.84 Tabela 3.i ) .10 1. • Wq(c) = Tempo médio de permanência de um cliente qualquer na fila.00 2-4 0. Como χ2ν < χ2ν.19 0.15 6-8 0.12 2.26 0.12 0.21 0.6 – Freqüência Relativa Calculada para Atendimento.55 1. .10 0. Tempo (minutos) 0-2 2-4 4-6 6-8 Total PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 0.23 2. O Modelo de Filas O modelo ajustado segundo os dados obtidos é M / M / 11 / ∞ / FIFO (Notação de Kendall).84 3.04 0.04 1 1 1 1 1 1 1 1 1 Tabela 3.05 0.08 Total 1.38 0.84 3.94 1. (Oi-Ei)2/Ei Tempo (minutos) PO1 0-2 0.84 3.30 0.Freq.84 3.04 0.7 – Chi-quadrado Calculado.48 1.04 0.83 1.58 0.52 1.60 Tabela 3. α .10 0.62 0.52 PO11 0.07 0. então não há indícios para se rejeitar Ho ao 5% de significância.11 0.38 0.57 0.31 0.84 1.84 3.05 0.25 1.12 0.014 clientes por minuto e µ = 0.5 – Testes Não Paramétricos para Distribuição Exponencial. N 2 i=1 Ei PO 1 2 3 4 5 6 7 8 9 10 11 2 1.36(1/µ) minuto. * 11 i =1 ∑ 11 H0 = a variável que representa o tempo de atendimento segue uma distribuição Exponencial com média igual a 2.57 0.23 2.01 4-6 1.81 2.61 0.22 0. • Lq(c) = Número médio de clientes na fila aguardando atendimento. onde µ= 1 (µ PO.01 0.04 1.25 0. Calc.25 0.10 1.8 – Tabela Resumo Teste Não Paramétrico.59 2.84 3.α 3.26 0.23 0.03 0. PO10 0.05 1 PO11 0.11 0.43 2.26 0.59 0.05 0.38 0.12 0.05 1.02 1.08 0. 4.10 0. Serão testadas as hipóteses de que os tempos de atendimentos nos caixas estão idêntica e exponencialmente distribuídos em torno a uma média de 2.60 0.12 0.05 0.07 0.26 0.11 0.

1: Variação do número de postos de 8 a 11 2. ρ= . considerando a situação atual do sistema. c*µ µ  n =0 n!  c!*(1 − ρ )  (c − 1)!(c − r )2 c!*(1 − ρ )2    1 Lq (c ) Wq(c ) = .542 minutos. o sistema continua superdimensionado. Lq (q ) = r= . 5.66 0. Utilizando-se as fórmulas descritas abaixo. W (c ) = Wq(c ) + µ λ −1 ∑ que ocorre uma ociosidade (Po) de 34% do tempo e também um tempo de espera na fila de 0.677 0.20 minutos . para verificar se a redução de postos afetaria substancialmente os tempos de espera do cliente no sistema.92 7. Po(c ) =  .1 – Situação Usual do Sistema.014. a gerência da Loja sobe a oferta de 11 postos de atendimento para 20 caixas.92 0. L(c) 7.42 clientes por minuto e considerando a nova demanda. mantendo a taxa de atendimento constante µ = 0.1 – Variação do Número de Postos de Atendimento Pode-se observar que variando de 8 a 11 postos de atendimento. pode-se verificar Formulas para o sistema M/M/C/∝/FIFO  c −1 r n   λ λ Po(c )r c +1 rc Po(c )ρ * r c +  . então. .295813 8 6 W( c ) 4 Tabela 4. 5.30 3.261 Wq(c) 3. verificou-se o comportamento do sistema no caso de aumento da demanda.58 7. para a situação atual (· = 3. podemos concluir que o sistema esta superdimensionado. do ponto de vista da gerência. Considerando um aumento na demanda para 5.467387 2 8 8 9 10 11 c 11 Número de Postos de Atendimento Gráfico 4. equivalente a λ = 7 clientes por minuto.• Po = Probabilidade de o sistema estar vazio (igual a ociosidade total do sistema). µ = 0. Abordaremos esta situação.44 Lq(c) 11. ou seja.000 clientes no dia de maior movimento. o ideal do ponto de vista da gerência seria dispor de 9 Caixas.1 e no gráfico 4.04 0. 4.80 2.42 e C = 11).43 W(c) 6.3 – Variando os Postos de Atendimento de 8 a 11 Neste modelo.086 Tempo de Espera no Sistema 6. mas ainda é um tempo pequeno. L(c ) = r + .221 0. Pode-se verificar que ocorre uma ociosidade do sistema de 17% do tempo e também um tempo de espera na fila de 0.. Assim.1. variou-se o número de postos de atendimento.60 2. ou seja. o que não causa muito desconforto para o cliente. pois o tempo de espera no sistema do cliente é de aproximadamente 3 minutos. o cliente espera um pouco antes de se dirigir para o caixa. Os resultados encontram-se na tabela 4.06 2. o cliente chega e praticamente se dirige para o caixa. mantendo-se o número de postos de atendimento.74 7. que não causa desconforto ao cliente.2 – Situação para Projeção em Dia de Pico.

O tratamento dos dados e a análise dos resultados permite concluir sobre o comportamento dos 3 componentes do processo: gerência-servidor-usuário. Os resultados obtidos (tabela 4.97<λ<4.64 5.72<λ<3. 1994. 1994. II Congresso Internacional de Transportes Metropolitanos Sobre Trilhos. Frederick S. que tem tendências diferentes e devem ser conciliadas em um resultado final.30 2.70 2. 4. John Willey. STEVENSON. Conclusões O uso da Teoria de Filas é uma ferramenta útil para avaliar a operacionalidade de um sistema.30<λ<2. W. 3.40 4. Ed. M. Gerald J.56<λ<3. Para isto.97 3. λ(taxa de ingresso ) 1. & LIEBERMAN. C. Holden Day – San Francisco. 1986. C. Ed. et alli: “Planejamento e Controle Operacional de Terminais Ferroviários Urbanos de Topo”.72<λ<3. New York. 2.89<λ<2. achou-se útil verificar o número de postos de atendimento que devem ser mantidos.81<λ<5. São Paulo. HILLIER.2) podem ser usados pela gerência do sistema para dispor dos servidores para outras atividades quando a demanda o permitir.81 4. 6.2: Número de postos de atendimento segundo λ. C( postos de atendimento) 6 7 8 9 10 11 12 13 14 Tabela 4. 7 – Bibliografia 1. 1974.23 5.. G. São Paulo. fixou-se em 6 minutos o valor de W(c) que é o parâmetro que melhor representa os anseios dos clientes. 1975.23<λ<5.: “Estatística aplicada à Administração”. “Fundamentals of Queueing Theory”.Como a demanda varia de horário para horário. SINAY. 5. McGraw – Hill. II Congresso Internacional de Transportes Metropolitanos Sobre Trilhos. Rio de Janeiro. Harbra.14 2. 2ª Edition. Ed.56 3. et alli: “Qualidade de Produtividade do Sistema de Transporte Metropolitano de Passageiros”. . M. segundo o λ. Rio de Janeiro. GROSS.. J. Ed. NOVAES.: “Pesquisa Operacional e Transportes: Modelos Probabilísticos”.: “Operations Research”. 1974. SINAY. Donald & HARRIS Carl.40<λ<4.

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->