Você está na página 1de 37

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 2

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: Contnuo

l ina m r Te

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 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

Fernando Nogueira

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Fernando Nogueira

Teoria de Filas

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


1 0.8 0.6 0.4 0.2 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Fernando Nogueira

Teoria de Filas

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

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

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

Fernando Nogueira

Teoria de Filas

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Fernando Nogueira

Teoria de Filas

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

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 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Fernando Nogueira

Teoria de Filas

Estrutura Bsica de um Modelo de Fila


Sistema de Fila Fonte de Entrada Clientes Disciplina da Fila Mecanismo de Atendimento Clientes Atendidos

Fila

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).
Sistema de Fila Clientes
Fila 6444 7 4 4 48 C C C C C C
C C C C

Clientes Atendidos
S11 S12 S13 S14

instalao de atendimento 1

Fila 64 4 7 44 8 C C C C

C C C

s 21 s 22 s 23

instalao de atendimento 2

Fernando Nogueira

Teoria de Filas

Clientes Atendidos

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 f(t):densidade de probabilidade
f(t):probabilidade acumulada PDF - Exponencial 1 0.8 0.6 0.4 0.2 0

e t f (t ) = 0

para t 0 para t < 0

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


0

(t 0 )
1 2

0 E(t)=1/

1 E(t ) =
Fernando Nogueira Teoria de Filas

var(t ) =

11

Perda de Memria
B B contm A A

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

P{A B} = P{A}

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 : Porm, se agora so 7:00hs, a probabilidade que a prxima quebra seja at 8:30hs :
Fernando Nogueira
1.5 90 P t = 1 e 60 0.89 60 Teoria de Filas 90

1.5 10 P t = 1 e 60 0.22 60

10

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 )

Considerando que em um intervalo pequeno, no mximo um evento pode ocorrer, ento para h 0:

2!

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

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.

n!

{ }

{ }
1 0.9

Funao de Probabilidade:Poisson - Lambda = 3 0.25

Funao Distribuiao de Probabilidade:Poisson - Lambda = 3

0.2

0.8 Probabilidade Acumulada


0 1 2 3 4 5 6 7 8 9 n - numero de chegadas no periodo T = 1 10

0.7 0.6 0.5 0.4 0.3 0.2 0.1

Probabilidade

0.15

0.1

0.05

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

10

Fernando Nogueira

Teoria de Filas

15

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 :
*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)!

(50 40 )

60

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


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

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


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

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 ) :

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


n =0

18

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 entrando no estado n = n 1pn 1 + n +1pn +1 saindo do estado n = ( n + n )p n Igualando as 2 taxas, tem-se a seguinte equao de balano:

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


p1 = p0 1

0p0 = 1p1 , n = 0

Para n = 0, tem- Para n = 1, temse: se: 0 Por induo:

10 0p0 + 2p2 = (1 + 1 )p1 p2 = p0 2 1

n 1n 2 ...0 pn = ... p0 , n = 1,2,... n n 1 1


p0 determinado atravs de:
Fernando Nogueira

p
n =0

=1
21

Teoria de Filas

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 1a3 4a6 + de 6 No de caixas operando 1 2 3

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.
10 p1 = p 0 = 2 p 0 5 10 p 2 = p 0 = 4p 0 5 10 p 3 = p 0 = 8p 0 5 10 p4 = 5
3 3 2

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 p5 = 5

10 p0 = 8p0 10 10 p0 = 8p0 10
3 n 6 3

10 p6 = 5

10 10 10 pn = 5 10 15 2 = 8 3
n 6

p0

10 p 0 = 8p 0 10

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

Fernando Nogueira

Teoria de Filas

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 = = p 0 31 + 8 1 p 0 2 55 1 3 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 )

e o nmero esperado de caixas ociosos :

1 0 . 255 55

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
W = Wq + 1

obs: se n cte utiliza se

Fernando Nogueira

1 = + = + W = W W W L L + q q 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 n = 6 carros/ h, n = 0,1,...,7

60 n 30 = 2n carros/ h, n = 1,2,...,5 n = 5 60 = 10 carros/ h, n = 6,7,8 30 3 32 33 34 35 36 37 38 p0 + p1 + ... + p8 = 1 p0 + p0 1! + 2! + 3! + 4! + 5! + 5!5 + 5!52 + 5!53 =1

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

n pn

0 .04812

1 .14436

2 .21654

3 .21654

4 .16240

5 .09744

6 .05847

7 .03508

8 .02105
26

Fernando Nogueira

Teoria de Filas

b) A taxa efetiva de chegada (eff):

Fonte

eff lost

Sistema

= 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) : e) O nmero mdio de vagas ocupadas (servidores ocupados) : f) O fator de utilizao do estacionamento:

L 3.1286 W= = = .53265 hora eff 5.8737

1 1 Wq = W = .53265 = .03265 hora 2

eff 5.8737 s = L Lq = = = 2.9386vagas 2

s 2.9368 = = .58737 s 5
Fernando Nogueira

ou =

eff 5.8737 = = .58737 s 5* 2


27

Teoria de Filas

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

n, n < s = eff = fila (buffer) infinita n = , n 0 n s, n s ( ns ) 1 n n s n n s 1 ( ) ( ) ( ) p p p , 0 n s = = < = + p = 0 0 0 n 0 n! n! n! s! n=s s n =0 (2)(3)...(n) n pn = 1 ( n n ) n s s1 p0 = (ns) n p0 = (ns) p0 , n s ( ) + ( ) 1 s = , s ! s s ! s 1 (s) s < 1 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 d 1 ( ) p0 s1 e no s porque se um k ( ) p = = cliente chegar quando n=s, 0 0 2 d s! d k=0 s! este ficar na fila 1 s!(1)

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

( )

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

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

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

1 n < s snN

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

s n =s +1
N

(n s )

Para 1 s
Para =1 s

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


s ( ) (Ns)(Ns +1) L= p q 0

2s!

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


L = Lq + eff

Wq =

Lq eff

W=

L eff

eff s

Mesmo quando (/s) 1 o sistema pode alcanar a condio de estados estveis porque n= 0 para n N.

Fernando Nogueira

Teoria de Filas

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

L = npn
n =0

eff = E{(K n )} = (K L)
Wq = Lq eff W= L eff

Lq = L

eff

eff s
33

Fernando Nogueira

Teoria de Filas

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 mquinas disponiveis 22

Fernando Nogueira

Teoria de Filas

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

Modelos de Custos

Modelo de Custos para Filas

custos

ETC Nvel de servio timo EW C nvel de servio

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

EOC

EOC = custo de operao do sistema esperado EWC= custo de aguardar por unidade de tempo esperado
EOC(x ) = C1x

Geralmente utiliza-se:

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 $80,00 por job/dia de atraso. Qual copiadora a grfica deve comprar?
Modelo 1 2 3 4 custo de operao ($/h) 15 20 24 27 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 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 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

Fernando Nogueira

Teoria de Filas