Sabe-se que o problema de filas algo extremamente comum em diversos mbitos.

. Sejam os servios ou setores de produo, todos esto suscetveis formao de filas. Os congestionamentos so, em geral, normais. Entretanto, se em um sistema h excesso de formao de filas, ai sim possvel dizer que h necessidade de resolver o problema. Em um estudo realizado na ala de consultas de um hospital localizado em uma das principais avenidas de Belm, observou-se uma considervel formao de filas. Observou-se assim uma considervel formao de filas dos pacientes apenas para serem atendidos na recepo. Notando-se a insatisfao dos pacientes para com o servio prestado, percebeu-se a necessidade de estudo do sistema a fim de analis-lo metodicamente. A anlise foi iniciada com o objetivo de determinar a quantidade de chegada de clientes, ou seja, determinar quantas pessoas adentravam ao sistema em cada intervalo de 1 minuto. Conforme a tabela 1 , possvel observar o nmero de clientes que chegavam em cada cronometragem de um minuto e as frequncias com que o respectivo nmero de chegadas ocorre. Para exemplificar, utilizemos a prpria tabela: a primeira linha , por exemplo, afirma que em cinco cronometragens de um minuto, nenhuma pessoa entrou no sistema. J a segunda linha, indica que em dez das vinte cronometragens de um minuto, apenas uma pessoa foi incorporada ao sistema.
Tabela 1 Frequncia de chegada de pacientes

Numero de Chegada 0 1 2 3 Total

Autores - 2013

Frequncia Observada (Oi) 3 10 6 1 20

Realizando-se o tratamento dos dados, possvel construir o histograma de chegadas cujo eixo x representa o nmero de chegadas por minuto e o eixo y traz as frequncias com que cada nmero de chegadas ocorre, ou seja, em quantas cronometragens de um minuto chega determinado nmero de pessoas ao sistema.
Grfico 1 Frequncia do nmero de chegadas

Nmero de chegadas/min
15 Freqncia 10 5 0 0 1 2 Numero de Chegada 3 Mais

Autores 2013

Observando-se a configurao dos dados, possvel verificar que h uma semelhana com a distribuio de probabilidades de Poisson. A fim de conferir se o processo segue o modelo da distribuio de Poisson, deve-se realizar um teste de hiptese. Nesse caso, optou-se pelo teste do Qui quadrado o qual relativamente simples de ser realizado e tambm possui um bom nvel de confiabilidade. A tabela 2 possui o nmero de chegadas, a frequncia observada, a frequncia calculada conforme o modelo de Poisson alm do teste do Qui quadrado. Na situao estudada, a taxa, ou seja, o ritmo mdio de chegada (), tem valor 1,25 cliente por minuto e calculado na equao 1.

O clculo da frequ ncia calculada tambm demonstrado a seguir na equao 2. Aqui calculada apenas a probabilidade de chegada de nenhuma pessoa em uma cronometragem de um minuto. O mesmo clculo realizado para os outros valores de chegadas (1, 2 e 3 chegadas em um minuto).

A seguir demonstrado o teste do Qui quadrado parcial na equao 3. Neste caso optou-se por adotar como erro 5. Ademais, sabe-se que nesta situao, h 2 graus de liberdade. Da mesma forma que o clculo da frequncia, aqui tambm ser realizado apenas para um evento sendo portanto repetido para os demais.

Aps o clculo do para cada classe, foi feita a soma o que resultou no calculado do modelo. O clculo resultou em 3,35 aproximadamente e menor que o valor tabelado (5,99). Sendo assim, possvel aceitar o modelo de Poisson para descrever o nmero de chegadas de cliente recepo de consultas do hospital.

Tabela 2 Clculos de frequncia e

Nmero de Chegada 0 1 2 3 Total

Autores 2013

Frequncia Observada (Oi) 3 10 6 1 20

Frequncia (Ci) 5,730 7,163 4,477 1,865 19,235

Calculada

((Oi-Ci)^2)/Ci 1,301 1,124 0,518 0,401 3,345

Finalizado o estudo do procedimento de chegadas possvel realizar a anlise do processo de atendimento. A espera na recepo do hospital se trata de um sistema de fila nica para um canal de processamento apenas. A ordem de atendimento FIFO, ou seja, o primeiro a entrar no sistema tambm o primeiro a ser atendido. H uma atendente que desempenha a funo de preenchimento de dados do paciente, pedido de autorizao de realizao de algum procedimento para o convnio mdico entre outras atribuies. O estudo do acolhimento dos pacientes pela atendente foi iniciado com a cronometragem dos tempos que cada paciente ocupava o balco da recepo. Esses dados foram distribudos em intervalos na tabela 3.

Tabela 3 Frequncias observadas dos tempos de atendimento

Intervalo do tempo de atendimento 0-2 2-4 4-6 6-8 8-10 10-12 12 - 14 14 - 16 16 - 18 18 - 20 Soma Autores 2013 13 13 5 3 1 1 0 1 1 1 39

Atendente (Frequncia observada)

Aps a coleta dos dados foi possvel calcular o tempo mdio de atendimento (TA) de cada paciente atravs da mdia ponderada (equao 4) a seguir. Equao 4

Calculado o tempo de atendimento mdio de 4,33 minutos por cliente, vivel encontrar o parmetro (mdia da quantidade de clientes atendidos por minuto).

Identificado o nmero mdio de clientes atendidos (0,23 clientes por minuto), pode-se visualizar mais facilmente o processo em um histograma (Grfico 2) o qual contem a relao entre o intervalo de tempo de atendimento com as respectivas frequncias observadas nas cronometragens no hospital.

Grfico 2 Tempo de atendimento

Tempo de atendimento
15 Freqncia 10 5 0 2 4 6 8 10 12 Bloco Autores 2013 14 16 18 20 Mais

Conforme a visualizao do grfico, possvel perceber que ele se assemelha a uma distribuio exponencial negativa. A fim de validar ou recusar este modelo como padro para o sistema necessrio realizar o teste do . Assim como j fora feito anteriormente, deve-se calcular as frequncias tericas com base na exponencial negativa e observar se assim se o modelo ou no adequado para o sistema atravs do . A frequncia calculada atravs da exponencial negativa est exemplificada na equao 4 abaixo apenas para o intervalo de 0 a 2 minutos de atendimento. Posteriormente a equao so dispostos todos os valores calculados de frequncia na (tabela 4). Equao 4.

Tabela 4 Frequncia calculada Atendente (Frequncia observada - FO) 13 13 5 3 1 1 0 1 1 1 39

Intervalo do tempo de atendimento 0-2 2-4 4-6 6-8 8-10 10-12 12 - 14 14 - 16 16 - 18 18 - 20 Soma Autores 2013

Frequncia calculada (FC) 14,418 9,088 5,728 3,611 2,276 1,434 0,904 0,570 0,359 0,226 39

A seguir, para validar o modelo, deve-se testar a hiptese de que o modelo segue uma distribuio exponencial negativa. Assim como nos casos anteriores, usa-se aqui o teste do Qui quadrado calculado da mesma forma que no nmero de chegadas. A tabela 5 dispe o teste do para o tempo de atendimento.
Tabela 5 Teste para tempo de atendimento

Intervalo do tempo de atendimento 0-2 2-4 4-6 6-8 8-10 10-12 12 - 14 14 - 16 16 - 18 18 - 20 Soma Autores 2013

Atendente (Frequncia observada) 13 13 5 3 1 1 0 1 1 1 39

Frequncia calculada 14,418 9,088 5,728 3,611 2,276 1,434 0,904 0,570 0,359 0,226 39 0,139 1,684 0,093 0,103 0,715 0,132 0,904 0,325 1,143 2,643 7,881

Considerando-se que a situao do atendimento possui 7 graus de liberdade e adotando-se um erro de 5%, obtm se o valor de 14,07 aproximadamente para o . Sabendo-se que o calculado foi de 7,9 aproximadamente ento conclui - se que por ele ser menor que o tabelado ento aceita-se a hiptese de que o processo de atendimento pode ser descrito pela exponencial negativa. Delimitados o tempo mdio de atendimento de clientes (TA) bem como o nmero mdio de clientes atendidos por minuto ( ), deve-se encontrar relevantes parmetros para o sistema de filas relativos quantidade de clientes: 1. Nmero mdio de clientes no sistema (NS) Equao 5

2. Nmero mdio de clientes na fila