FILAS DE ESPERA

Notas baseadas em
Introduction to Operations Research
de Hillier e Lieberman.


177


ESTRUTURA BSICA DOS SISTEMAS DE FILAS DE ESPERA




Quando um determinado servio procurado por vrios clientes, poder-se-o
formar filas de espera, j que o nmero de servidores e a durao do servio de cada
cliente usualmente no permite que cada cliente seja atendido assim que solicita o servio.

Poderemos representar esquematicamente o processo de formao de filas de
espera do modo seguinte:


Sistema




Fonte




Fila de
espera

Servio

Sada de
clientes
servidos




Fonte ( populao ) : dimenso (finita ou infinita);
processo de chegadas (distribuio estatstica das
chegadas, nmero de clientes por chegada);
atitude dos clientes (p.ex., possibilidade de recusa de um
cliente aceder ao servio ao constatar que a fila de espera
muito longa; possibilidade de desistncia de um cliente que
abandona o sistema sem ter sido servido depois de uma
longa espera).

Sistema : fila (nica; mltipla; comprimento limitado ou ilimitado;
disciplina);
servio (n de servidores; distribuio estatstica da durao
de um atendimento; dimenso do servio (o nmero de
clientes que podem ser servidos simultaneamente))
R
u
y

C
o
s
t
a

capacidade do sistema (o nmero mximo de clientes que,
num dado instante, podem estar no sistema, incluindo os
clientes que aguardam na fila e os que esto a ser servidos).

Disciplina (isto , a ordem pela qual os clientes so atendidos, destacando-se as disciplinas
FIFO first in, first out, ou seja, atendimento por ordem de chegada; LIFO last in, first out,
ou seja, a ltima entrada processada primeiro; SIRO service in random order, ou seja,
servio por ordem aleatria e PRI, correspondente a uma ordenao com prioridades).



A NOTAO DE KENDALL v/w/x/y/z utilizada para caracterizar uma fila de
espera: v caracteriza o processo de chegadas, representando a distribuio do intervalo de
tempo entre chegadas consecutivas; w caracteriza a durao do servio; x denota o nmero
de servidores; y representa a capacidade do sistema ou a dimenso da fonte, e z especifica
a disciplina da fila. Cada uma das especificaes v e w poder ser igual a D, M, E
k
, ou G,
correspondendo a Determinstico, com Distribuio Exponencial (processo Markoviano), com
distribuio Erlang-k, k = 1, 2, (Gama), ou com qualquer outra distribuio,
respectivamente. Muitas vezes no se especifica y e z, assumido-se que a capacidade do
sistema ilimitada e que a disciplina FIFO.

Exemplos: M/M/2/10/FIFO (ter uma distribuio do intervalo de tempo entre
chegadas consecutivas e uma distribuio da durao do servio
exponenciais, dois servidores, um limite mximo de 10 clientes no
178
interior do sistema e os clientes sero atendidos por ordem de
chegada).
M/D/1 (processo de chegadas com uma distribuio do intervalo de
tempo entre chegadas consecutivas exponencial, e uma durao
determinstica do servio, um servidor, assumindo-se que o sistema
tem uma capacidade ilimitada e que a disciplina ser FIFO).



Consideremos dois exemplos de diferentes sistemas de filas de espera e
identifiquemos as suas caractersticas:

Os visitantes chegam ao trio de entrada da Torre Panormica, onde podero
estar at 100 pessoas, aguardando que o nico elevador disponvel (com uma lotao de 20
pessoas) chegue para as levar ao miradouro panormico.

Assim, temos um sistema com capacidade limitada (100 pessoas), em que os
clientes so os visitantes, com um nico servidor (o elevador) e com uma dimenso de
servio igual a 20 (a lotao do elevador). Supe-se que a disciplina da fila ser FIFO.


Numa fbrica de txteis existem 15 teares que, quando se avariam, so reparados
por dois tcnicos de manuteno. Sabe-se que o intervalo de tempo entre duas avarias
consecutivas se pode considerar com distribuio exponencial de mdia 5 horas e que a
reparao de cada tear avariado tem uma durao que se pode considerar com distribuio
exponencial de mdia 1 hora.
R
u
y

C
o
s
t
a


Parece aceitvel assumir-se que o servio ser feito por ordem de ocorrncia das
avarias, ou seja, a disciplina da fila ser FIFO. Assumindo que todas as mquinas avariadas
sero reparadas, no h limitao na capacidade do sistema (no entanto, no ser possvel
ter-se mais do que 15 mquinas avariadas), pelo que teremos um sistema M/M/2/15/FIFO
alimentado por uma fonte com dimenso finita (15), j que os teares avariados sero os
clientes. Os dois servidores so os tcnicos de manuteno.



Exerccio:

Numa olaria trabalham dois artesos um deles na produo das peas
propriamente ditas, e o outro na sua decorao. As peas so fabricadas uma a uma,
chegando ao arteso encarregado da decorao a um ritmo que se pode considerar
constante de uma pea por cada 30 minutos. A durao da decorao de cada pea
pode tambm ser assumida constante e igual a 45 minutos. O arteso decorador
comea sempre pela ltima pea que acaba de receber da produo.

As actividades na olaria so iniciadas s 8:30 horas e a produo interrompida das
12:30 s 13:30 e a decorao interrompida das 12:45 s 13:45 para almoo dos
artesos. A produo diria termina s 15:30 horas e o arteso que se dedica
decorao mantm-se a trabalhar para escoar todas as peas produzidas nesse dia,
pelo que nos incios das manhs no h peas a aguardar a decorao.

Simule manualmente o funcionamento do sector de decorao, determinando o valor
mdio de peas que aguardam a sua decorao durante a manh (8:30 - 12:45 horas).
Determine ainda a que horas o arteso decorador termina as suas actividades.


Pode-se considerar que o sector de decorao corresponde a um sistema D/D/1 com
um tempo entre chegadas consecutivas igual a 30 minutos e uma durao de servio igual a
45 minutos. As peas a decorar so os clientes e o arteso decorador o servidor. A
disciplina da fila de espera LIFO, ou seja, atendimento por ordem inversa da chegada.

179
No quadro seguinte procede-se simulao manual do sistema.


T (minutos)
Chegada de
cliente
Atendimento de
cliente

Fila de espera
8:30 --- --- ---
9:00 n 1 n 1 ---
9:30 n 2 n 1 n 2
9:45 --- n 2 ---
10:00 n 3 n 2 n 3
10:30 n 4 n 4 n 3
11:00 n 5 n 4 n 3, n 5
11:15 --- n 5 n 3
11:30 n 6 n 5 n 3, n 6
12:00 n 7 n 7 n 3, n 6
12:30 n 8 n 7 n 3, n 6, n 8
12:45 --- --- n 3, n 6, n 8
13:45 --- n 8 n 3, n 6
14:00 n 9 n 8 n 3, n 6, n 9
14:30 n 10 n 10 n 3, n 6, n 9
15:00 n 11 n 10 n 3, n 6, n 9, n 11
15:15 --- n 11 n 3, n 6, n 9
15:30 n 12 n 11 n 3, n 6, n 9, n 12
16:00 --- n 12 n 3, n 6, n 9
16:45 --- n 9 n 3, n 6
17:00 --- n 6 n 3
17:45 --- n 3 ---
18:30 --- --- ---


Durante a manh (8:30 12:45), h um perodo de 75 minutos sem peas a
aguardar decorao, h 90 minutos com uma pea em espera, 75 minutos com duas peas
em espera, e 15 minutos com trs peas em espera. Assim, o nmero mdio de peas a
aguardar a decorao durante a manh igual a ( 0 . 75 + 1 . 90 + 2 . 75 + 3 . 15 ) / 255
1,12 peas.

O arteso encarregado da decorao das peas termina a sua actividade s 18:30,
ficando prontas 12 peas por dia.
R
u
y

C
o
s
t
a




180


A DISTRIBUIO EXPONENCIAL



A distribuio exponencial particularmente importante na caracterizao dos
sistemas de Filas de Espera, nomeadamente para descrever os intervalos de tempo entre
chegadas consecutivas e as duraes de servio. Recordemos, ento, algumas
caractersticas desta distribuio:


Seja T uma varivel aleatria com distribuio Exponencial Negativa, com parmetro
, isto , T ~ Exp( ).



Funo densidade de
probabilidade:

f
T
(t) =

<

0 ,
0 ,
0 t
t e
t

f
T
(t)




t


Funo de distribuio acumulada:

F
T
(t) =

<

0 ,
0 ,
1
0
t
t
e
t

F
T
(t)
1

t

= Valor Mdio = 1 / ; = Desvio Padro = 1 / ; 1 = Coef. Assim. = +2


Propriedade 1: A funo densidade de probabilidade da distribuio
Exponencial estritamente decrescente (para t 0).

Como consequncia directa desta propriedade, poderemos escrever

T ~ Exponencial, P ( 0 T ) > P ( T 2 ) > P ( 2 T 3 ).

Com efeito, P ( 0 T ) = P ( T ) = F
T
( ) = 1 63,2 % (Ou seja,
grande parte dos valores tomados por uma varivel aleatria com distribuio
Exponencial Negativa so inferiores ao respectivo valor mdio).
1
1

= e e


P ( T 2 ) = F
T
( 2 ) F
T
( ) 23, 3 % (De notar que, po utro lado, s
poucos valores so elevados: por exemplo, maiores do que o dobro do valo dio P ( T >
2 ) = 1 F
T
( 2 ) = 1 ( 1 ) = 13,5% ).
2
e
2
e
r o
r m
R
u
y

C
o
s
t
a


P ( 2 T 3 ) = F
T
( 3 ) F
T
( 2 ) 8,6 %

181
Assim, se assumirmos que os intervalos de tempo entre chegadas consecutivas se
distribuem exponencialmente, estaremos a assumir que a maior parte desses intervalos de
tempo sero curtos, pelo que se iro formando filas de espera; s esporadicamente um
intervalo de tempo ser elevado, permitindo uma eventual regularizao do sistema.

Se assumirmos que as duraes do servio (atendimento) se distribuem
exponencialmente, estaremos a admitir que a maior parte dos clientes ser atendida
rapidamente (mais rigorosamente, com duraes de servio inferiores durao mdia), e
que apenas um baixo nmero de clientes originaro duraes de atendimento elevadas.
Esta hiptese parece aceitvel para situaes em que o atendimento a diferentes clientes
pode originar tarefas distintas, mas menos adequada para situaes em que o servio a
ser prestado a todos os clientes seja idntico.



Propriedade 2: A distribuio Exponencial no tem memria (Propriedade
Markoviana).

T ~ Exponencial, P ( T a + b | T > a ) = P ( T b )

Esta propriedade significa, quando T representa a distribuio dos intervalos de
tempo entre chegadas consecutivas, que o intervalo de tempo at prxima chegada
independente do instante que decorreu desde a ltima chegada o que parece aceitvel
para a generalidade dos processos de chegadas dos clientes. por este motivo que se diz
que a Distribuio Exponencial no tem memria.
R
u
y

C
o
s
t
a



Propriedade 3: O mnimo de vrias variveis aleatrias independentes
com distribuio Exponencial uma varivel aleatria
com distribuio Exponencial.


Sejam T
1
, T
2
, , T
n
variveis aleatrias independentes com distribuio
Exponencial, de parmetros, respectivamente, iguais a
1
,
2
, ,
n
e

U = mnimo { T
1
, T
2
, , T
n
}

Prova-se que U ~ Exponencial ( ), com =

=
n
i 1
i
, ou seja, o mnimo
de n v.a. Exponenciais ainda Exponencial com parmetro igual soma dos
parmetros das n v.a..


Esta propriedade tem vrias implicaes:
i) supondo que h diferentes tipos de clientes, cada um dos quais tem um
processo de chegadas com distribuio Exponencial com um parmetro especfico,
pode concluir-se que o processo de chegadas agregado, correspondente aos vrios
tipos de clientes, ainda descrito por uma distribuio Exponencial, com parmetro
igual soma dos parmetros individuais.
ii) se se tiver n servidores a assegurar o atendimento dos clientes, todos
assegurando uma durao de servio com distribuio Exponencial de parmetro ,
num dado instante, o tempo necessrio para o prximo final de servio, de qualquer
do n servidores, ter distribuio Exponencial com parmetro (n.). Assim, o
sistema comporta-se como se tivesse um nico servidor, com durao de servio
com distribuio Exponencial de parmetro (n.).

Esta propriedade muito til no estudo dos modelos com mltiplos servidores.


182

Propriedade 4: A distribuio Exponencial est relacionada com a
distribuio de Poisson.



Se o intervalo de tempo entre chegadas consecutivas tiver
distribuio Exponencial, com parmetro , ento o nmero de chegadas
por unidade de tempo t tem uma distribuio de Poisson, com parmetro
m = t . Refira-se, desde j, que o parmetro m ser igual ao valor mdio da
distribuio de Poisson.


representa a taxa mdia de ocorrncias

Se para um processo de ocorrncias, a distribuio do intervalo de tempo entre
ocorrncias consecutivas for Exponencial, e se os sucessivos intervalos de tempo entre
ocorrncias consecutivas forem independentes entre si, estaremos perante um Processo de
Poisson.

A relao entre a distribuio Exponencial e a distribuio de Poisson
particularmente til para se avaliar o nmero de atendimentos efectuados num dado intervalo
de tempo t, admitindo que a durao do atendimento tem distribuio Exponencial com
parmetro . Assim, o nmero de atendimentos efectuados por um servidor no intervalo de
tempo t pode caracterizar-se com uma distribuio de Poisson de mdia m = t. No caso
de termos um atendimento efectuado por n servidores, a distribuio de Poisson passar a
ter mdia m = n t.
R
u
y

C
o
s
t
a



Propriedade 5: Na distribuio Exponencial de parmetro , para todos
os valores positivos de t, verifica-se que
P ( T t + t | T > t) t , para pequenos t.

Se continuarmos a interpretar T como o intervalo de tempo que decorreu desde o
ltimo acontecimento (chegada, ou final de servio), esta propriedade indica-nos que,
qualquer que seja o tempo que j decorreu, a probabilidade de ocorrncia de um novo
acontecimento no prximo pequeno intervalo t proporcional a t, sendo a constante de
proporcionalidade ( a taxa de ocorrncias). De notar que o nmero esperado de
ocorrncias no intervalo t exactamente igual a . t. A probabilidade de ocorrncia, no
entanto, pode diferir ligeiramente deste valor j que existe uma (baixssima) probabilidade de
que mais do que um acontecimento ocorra neste pequeno intervalo de tempo


Propriedade 6: A distribuio Exponencial no afectada pela agregao,
ou desagregao.

Imaginemos que a um sistema chegam 3 tipos de clientes, segundo processos de
Poisson independentes, com taxas de chegada
1
,
2
,
3
. Para descrevermos o processo
geral de chegadas dos clientes, poderemos agregar estes trs processos num nico
processo de Poisson, com taxa de chegada =
1
+
2
+
3
. Inversamente, se tivermos um
processo de chegadas Poissoniano, com taxa de chegadas e, se existir uma probabilidade
fixa de cada cliente pertencer a um determinado tipo (por exemplo, com 40 % de
probabilidade ser um cliente de tipo A e com 60 % de probabilidade um cliente de tipo B),
poderemos desagregar o processo inicial em vrios processos autnomos, tambm de
Poisson, associados aos vrios tipos de clientes (no nosso exemplo, com taxas de chegada,
respectivamente iguais a
A
= 0,4 . e
B
= 0,6 . ).


183

Exerccio:

Admita que o processo de chegadas de clientes a uma loja pode ser considerado um
Processo de Poisson, com uma taxa de 5 chegadas por minuto. Caracterize a
distribuio do intervalo de tempo entre duas chegadas consecutivas e a distribuio
do nmero de chegadas por minuto.


Considerando o segundo como a unidade de tempo, o intervalo de tempo entre duas
chegadas consecutivas poder ser descrito por uma varivel Exponencial de mdia 12
segundos ( = 60 / 5 ), isto com parmetro = 1/12. O nmero de chegadas por minuto
poder ser descrito por uma distribuio de Poisson com parmetro m = t = (1/12) 60 = 5.
R
u
y

C
o
s
t
a




Finalmente, recordemos que a soma de k variveis aleatrias, independentes e
identicamente distribudas, com distribuio Exponencial (), uma varivel aleatria
Erlang-K (Gama). Pelo Teorema do Limite Central, se k for muito elevado, a distribuio
Erlang-k tender para a distribuio Normal.

Sejam X
i
v.a. i.i.d, X
i
~ Exponencial (),

T ~ (X
1
+ X
2
+ + X
k
) ~ Erlang-k ()

Como E [ X ] = 1 / e Var [ X ] = 1 /
2
, fcil constatar que E [ T ] = k / e Var [ T ] = k /

2
.

Apresentemos agora, muito sumariamente, algumas caractersticas da Distribuio
de Poisson. Seja X uma varivel aleatria com distribuio de Poisson, com parmetro m,
isto , X ~ Poisson( m ).


Funo de distribuio de probabilidade: P
X
(k)

P
X
(k) = P ( X = k ) = e
m
m
k
/ k ! , k = 0, 1, 2,








0 1 2 3 4 5 6 7 x

= Valor Mdio = m ;
2
= Varincia = m


A Distribuio de Poisson uma das (poucas) distribuies estatsticas que goza da
aditividade, isto , a soma de variveis aleatrias independentes com distribuio de
Poisson ainda uma varivel aleatria de Poisson (com parmetro igual soma dos
parmetros das variveis que foram somadas).

Por outro lado, dado o Teorema do Limite Central (a soma de n variveis
independentes e identicamente distribudas tende para a distribuio Normal, quando n se
torna elevado), poderemos aproximar a Distribuio de Poisson (m) da Distribuio
Normal (com valor mdio e varincia iguais a m), quando m elevado (em termos
prticos m maior do que 20). Esta aproximao permite efectuar o clculo de
probabilidades com maior facilidade No entanto, h que ter em ateno o facto
184
de uma varivel aleatria com distribuio de Poisson ser discreta, enquanto que a
distribuio Normal descreve uma varivel aleatria contnua e fazer a chamada
correco de continuidade (Remete-se o leitor mais esquecido para um compndio de
Estatstica).
R
u
y

C
o
s
t
a






Exerccio FE01




Exerccio FE02

185


O PROCESSO DE NASCIMENTO E MORTE



A maior parte dos modelos elementares de filas de espera baseia-se no processo
de nascimento e morte. No contexto das filas de espera, um nascimento corresponde
chegada de um novo cliente e uma morte corresponde partida de um cliente.

O estado do sistema no instante t o nmero de clientes no sistema, denotado por
N(t). Um processo de nascimento e morte obedece a trs hipteses-base:

Hip.1: Dado N(t) = n, a distribuio de probabilidade do tempo restante at
ao prximo nascimento (chegada) Exponencial com parmetro
n
(n = 0,
1, 2, ).

Hip.2: Dado N(t) = n, a distribuio de probabilidade do tempo restante at
prxima morte (final de atendimento) Exponencial com parmetro
n
(n =
0, 1, 2, ).

Hip.3: Em cada instante s pode ocorrer ou um nascimento, ou uma morte.

As hipteses 1 e 2 tornam o processo de nascimento e morte um tipo particular de
Cadeias de Markov contnuas, o que facilita o tratamento das Filas de Espera que assim
podem ser descritas. A hiptese 3 simplifica adicionalmente a anlise.

Na figura seguinte esquematiza-se o diagrama de transio correspondente ao
processo de nascimento e morte:




Estado:
R
u
y

C
o
s
t
a

n
: taxa mdia de chegadas (n esperado de chegadas por unidade de tempo) de novos
clientes quando n clientes esto no sistema.

n
: taxa mdia de servio global * (n esperado de atendimentos completados por unidade de
tempo) quando n clientes esto no sistema.
[* global taxa combinada relativa aos servitores ocupados]

As setas no diagrama representam as nicas transies possveis no estado do sistema e os
valores inscritos por cima, ou por baixo, de cada seta representam a respectiva taxa mdia
para essa transio.

Depois de o sistema ter atingido o estado de equilbrio (se tal for possvel), o
diagrama de transio facilita a determinao de resultados relevantes.

H um princpio fundamental taxa de entrada = taxa de sada, que
estipula que, para qualquer estado do sistema (n = 0, 1, 2, ), a taxa mdia de
entradas igual taxa mdia de sadas. Este princpio permitir escrever, para todos
os estados, a respectiva equao de equilbrio, em funo das incgnitas P
n

(probabilidades). A resoluo do sistema de equaes permitir determinar o valor dessas
probabilidades.

186
Ilustremos a utilidade do diagrama de transio para determinarmos as equaes
relativas aos estados 0 e 1:

Dado que s se pode entrar no estado 0, a partir do estado 1, a taxa mdia de
entrada no estado 0 depende apenas da taxa mdia de entrada no estado 0 sabendo-se que
o sistema est no estado 1,
1
, e da probabilidade de ocorrncia do estado 1, P
1
, sendo igual
a
1
. P
1
. Por outro lado, a taxa mdia de sada do estado 0 ser igual a
0
. P
0
. Assim,
relativamente ao estado 0, poderemos escrever:

1
. P
1
=
0
. P
0


A entrada no estado 1 pode dar-se a partir do estado 0 (dependendo da taxa
0
e da
probabilidade de ocorrncia do estado 0, P
0
), ou a partir do estado 2 (dependendo da taxa
2
e da probabilidade P
2
), sendo, assim, a taxa mdia de entrada no estado 1 igual a
0
. P
0
+
2
. P
2
. Por outro lado, a sada do estado 1 pode dar-se para o estado 0 (dependendo da taxa

1
e da probabilidade P
1
), ou para o estado 2 (dependendo da taxa
1
e da probabilidade P
1
),
sendo, assim, a taxa mdia de sada do estado 1 igual a
1
. P
1
+
1
. P
1
. Assim,
relativamente ao estado 1, poderemos escrever:

0
. P
0
+
2
. P
2
=
1
. P
1
+
1
. P
1

R
u
y

C
o
s
t
a


Raciocinado analogamente poderemos determinar as equaes de equilbrio para o
processo de nascimento e morte:


Estado

Equao de equilbrio

0
1
. P
1
=
0
. P
0

1
0
. P
0
+
2
. P
2
= (
1
+

1
)

. P
1

2
1
. P
1
+
3
. P
3
= (
2
+

2
)

. P
1


n
n-1
. P
n-1
+
n+1
. P
n+1
= (
n
+

n
)

. P
n



Como se pode observar, temos uma varivel a mais em relao ao nmero de
equaes. Assim, dever-se- resolver este sistema em funo de uma das variveis (em
geral, P
0
).

Resolvendo sequencialmente, e a partir da primeira equao, obtemos:

P
1
=
1
0

P
0


P
2
=
2 1
1 0


P
0



P
n
=
n
n


...
...
2 1
1 1 0
P
0


187
Para simplificar a notao, poderemos denotar, para
n = 1, 2, . C
n
=
n
n


...
...
2 1
1 1 0



Assim, as probabilidades de equilbrio so dadas por:

P
n
= C
n
P
0
, para n = 1, 2, .



Como o somatrio das probabilidades tem que igualar 1, obtm-se:

P
0
= 1 / ( 1 +

=1 n
n
)


Desde j poderemos avanar alguns resultados gerais aplicveis a sistemas de
filas de espera, baseados no processo de nascimento e morte:

o nmero mdio de clientes no sistema ser:
R
u
y

C
o
s
t
a



L =

n . P

=0 n
n


Se tivermos um sistema com s servidores, haver s clientes que estaro a se
atendidos, pelo que

o nmero mdio de clientes a aguardar atendimento na fila
(comprimento mdio da fila de espera) ser:


L
q
= (n s) . P

=s n
n



o tempo mdio no sistema, por cliente (incluindo a durao do atendimento)
ser:


W = L / Frmula de Little




designa a taxa mdia de chegadas, a longo prazo,
=

=0 n
n
. P
n





188

o tempo mdio a aguardar o atendimento, por cliente (na fila de espera -
exclui a durao do atendimento) ser:

W
q
= L
q
/




Embora algumas das expresses anteriores envolvam somatrios com um nmero
infinito de termos, muitas vezes esses somatrios podem ser resolvidos analiticamente;
noutros casos, podero ser aproximados numericamente. De notar ainda que as
expresses indicadas assumem que, com os valores assumidos pelos parmetros
n
e
n
, se
possa atingir o estado de equilbrio tal sempre o caso quando existir um nmero finito n
(n > 0) de estados; tal sempre o caso quando = / ( s ) < 1; tal no ser o caso
se C

=0 n
n = .

R
u
y

C
o
s
t
a


189


MODELOS DE FILAS DE ESPERA BASEADOS NO PROCESSO DE
NASCIMENTO E MORTE ( modelos com distribuies Exponenciais)


Os processos de nascimento e morte servem de base para modelar vrios sistemas
de Filas de Espera. Estes processos assumem um processo de chegadas Poissoniano
(distribuio Exponencial para modelar o tempo restante at ao prximo nascimento, i.e.,
chegada) e um tempo de servio (o tempo restante at prxima morte, i.e., final de
atendimento) tambm Exponencial. Estes modelos diferem essencialmente nas hipteses
assumidas para n,
n
e
n
.

Comecemos por considerar o

Modelo M/M/1 com populao infinita e fila ilimitada

Neste modelo assume-se que existe um nico servidor, que os intervalos de tempo
entre chegadas consecutivas so independentes e identicamente distribudos, com
distribuio Exponencial (), e que as duraes dos servios so independentes e
identicamente distribudas, com distribuio Exponencial (). Assim, neste caso, teremos
n

= (taxa mdia de chegada dos clientes) , para n = 0, 1, 2, e
n
= (taxa mdia
de atendimento dos clientes), para n = 1, 2, . Assumiremos que a fila tem capacidade
ilimitada que alimentada por uma populao infinita e que a disciplina praticada ser FIFO.
O diagrama de transio resultante ser:






Estado:

A partir das referidas taxas mdias poderemos definir o factor de utilizao (por
vezes designado por intensidade de trfego):


= /


O factor de utilizao representa o nmero esperado de chegadas durante um servio mdio.
Assim, se > 1, o ritmo das chegadas ultrapassa a capacidade de atendimento do servidor,
pelo que explodir, i.e., no se atingir uma situao de equilbrio. Se < 1 o sistema
poder atingir uma situao de equilbrio, ou seja o ritmo a que decorre o
atendimento dos clientes suficiente para dar vazo aos clientes que vo chegando.
R
u
y

C
o
s
t
a



Recordemos que representa a taxa de chegadas, e que estamos a assumir que
constante e independente do nmero de clientes j no sistema. As Frmulas de Little
permitem-nos relacionar L com W e L
q
com W
q
:


L = W ; L
q
= W
q



190
De notar que se a taxa de chegada depender do estado do sistema, as Frmulas de
Little ainda so vlidas desde que substituamos, nas expresses apresentadas, por
(isto , a taxa mdia de chegadas).


De notar que, para este modelo, C
n
= ( / )
n
=
n
. Assim, a probabilidade
de estarem exactamente n pessoas no sistema, P
n
, ser dada por:


P
n
=
n
. P
0
=
n
(1 )




A taxa de desocupao do sistema, P
0
, isto , a probabilidade de no haver
clientes no sistema:

P
0
= 1



A probabilidade de estarem mais do que K pessoas no sistema ser dada por:

P( n > K ) =
K + 1




O tempo mdio de permanncia de um cliente no sistema (W) e o tempo mdio de
espera na fila (W
q
) podem ser relacionados facilmente se notarmos que 1/ corresponde ao
tempo mdio gasto no servio:

W = W
q
+ 1 /




Tendo em conta a expresso anterior e as Frmulas de Little, poderemos escrever a
relao entre o nmero mdio de clientes no sistema (L), o comprimento mdio da fila (L
q
):
R
u
y

C
o
s
t
a


L = L
q
+ / = L
q
+



De notar que, num sistema M/M/1, L
q
no igual a L 1, mas sim a L !



A partir das expresses apresentadas poderemos deduzir os seguintes resultados:

L = =

=1 n
n
P

1
=

L
q
=

1
2
=
) (
2

(cont.)

191

(continuao)
W =

1


W
q
=

Quanto probabilidade de um cliente estar mais do que t unidades de
tempo no sistema, ou na fila em espera (P(W > t), ou P(W
q
> t), respectivamente),
poderemos obter:



P(W > t) = e
(1) t
para t 0

P(W
q
> t) = e
(1) t
para t 0




Aproveitamos para recordar que a taxa de desocupao do sistema, P
0
,
representa a probabilidade de no haver clientes no sistema, o que coincide com a
probabilidade de um cliente no ter de esperar na fila, pois um cliente s atendido assim
que chega se no houver clientes no sistema. Assim,
R
u
y

C
o
s
t
a




P
0
= 1 = P(W
q
= 0)







Em seguida, sintetizaremos os resultados vlidos para um sistema M/M/1,
alimentado por uma populao infinita e sem limitaes quanto ao comprimento mximo da
fila de espera:












192


Sistema M/M/1, Populao = ; Fila mxima =


Processo de chegadas Poissoniano com uma taxa de chegadas de
clientes por unidade de tempo.

Durao do servio com distribuio Exponencial Negativa taxa de
atendimento de clientes por unidade de tempo (pelo nico servidor).

Disciplina da fila: FIFO (atendimento por ordem de chegada)


Taxa de ocupao = / ( < 1)

Taxa de desocupao = 1 = P
0
= P(W
q
= 0 )


L = L
q
+ /

L =

1
=

L
q
=

1
2
=
) (
2

W = W
q
+ 1 /

W = L / =

1


W
q
= L
q
/

=

P
0
= 1 = P(W
q
= 0)

P
n
=
n
P
0
=
n
(1 )

P( n > k ) =
k + 1


P(W > t ) = e
(1) t
= e
t / W
para t 0

P( W
q
> t ) = e
(1) t
= e
t / W
para t 0

R
u
y

C
o
s
t
a




Faamos agora um exerccio de aplicao:



193
Exerccio:

O Docinho uma pequena pastelaria, sem lugares sentados, onde so vendidas
especialidades regionais, pela sua nica empregada. Pode-se considerar que as
chegadas constituem um Processo de Poisson, com uma taxa de 15 chegadas por
hora, estimando-se que a durao do atendimento de um cliente se possa considerar
exponencialmente distribudo, com valor mdio igual a 3 minutos.

1 - Determine:

a) a probabilidade de estar apenas um cliente na pastelaria;
b) a probabilidade de estarem, pelo menos, trs clientes na pastelaria;
c) o comprimento mdio da fila de espera;
d) o tempo mdio de espera na fila;
e) a probabilidade de que um cliente esteja mais do que 5 minutos na pastelaria;
f) a probabilidade de que um cliente esteja mais do que 3 minutos espera para
comear a ser atendido.

2 O proprietrio d O Docinho est convencido de que seria possvel diminuir o
tempo mdio de espera na fila para 6 minutos se a sua empregada aumentasse o ritmo
de trabalho, diminuindo a durao mdia do atendimento de um cliente. Comente.

R
u
y

C
o
s
t
a


1 - = 15 h
1
= 15/60 min
1
; = 1/3 min
1
; = / = 3/4 ( < 1 )

a) P
1
= ( 1 ) = 3/4 . 1/4 = 3/16 19 %

b) P
0
= 1 = 1/4 ; P
2
=
2
( 1 ) = 9/16 . 1/4 = 9/64 . Assim, a probabilidade pedida
igual a 1 P
0
P
1
P
2
= 27/64 42 %

c) L
q
=

1
2
= 36/16 = 2,25 clientes

d) W
q
= L
q
/ = 9 min

e) P(W > 5) = e
(1) 5
66 %
(ou, W =

1
= 12 min P(W > 5) = e
5 / W
66 % )
f) P(W
q
> 3) = e
(1) 3
58 % (ou, P(W
q
> 3) = e
3 / W
58 % )

2 - = 15/60 = 1/4 min
1
; W
q
=

= 6 min
2
1/4 1/24 = 0

0,729 min
1

Durao mdia do atendimento de 1 cliente = 1 / 1,37 min.

Concluso: Atingir este objectivo implica reduzir a durao mdia do servio de 3,00
para 1,37 min ! Muito provavelmente, tal ser difcil de atingir com uma nica
empregada!

Exerccio FE03



194

E se, no exerccio d O Docinho, tivssemos duas empregadas, em vez de apenas
uma ? O que aconteceria ? Para podermos responder a esta questo, apresentaremos em
seguida o



Modelo M/M/S com populao infinita e fila ilimitada

Agora temos S servidores, alimentado por uma populao infinita e sem limitaes
quanto ao comprimento mximo da fila de espera. De notar que, se a taxa mdia de
chegadas de clientes ao sistema continua a ser , independentemente do estado, a taxa
mdia de servio (que se assume ser por cada um dos S servidores), depender do estado
do sistema:
R
u
y

C
o
s
t
a

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

O diagrama de transio resultante ser:





Estado:




Apresentaremos, em seguida, os resultados vlidos para um sistema M/M/S,
alimentado por uma populao infinita e sem limitaes quanto ao comprimento mximo da
fila de espera:
195


Sistema M/M/S, Populao = ; Fila mxima =

Processo de chegadas Poissoniano com uma taxa mdia de chegadas
de clientes por unidade de tempo.

Durao do servio com distribuio Exponencial Negativa com taxa
mdia de clientes por unidade de tempo por cada um dos S servidores.

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

Disciplina da fila: FIFO (atendimento por ordem de chegada)

Taxa de ocupao = / ( S ) ( < 1)

Taxa de desocupao = 1


L = L
q
+ /

L
q
=
2
0
1
) 1 ( !

+
S
P S
S S



W = W
q
+ 1 / = L /

W
q
= L
q
/


P
0
=
1
0
1
!
) (
) 1 ( !

=
+
(

S
n
n S S
n
S
S
S

P
n
=

+
=
, 1 ;
!
,..., 1 ;
!
) (
0
0
S n P
S
S
S n P
n
S
n S
n

P(W

> t) =
( )
(
(

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

S S S
e P S
S S t S
t
e para t 0

P(W
q
> t) =
) 1 ( . 0
) 1 ( !
) (

t S
S
e
S
P S
para t 0

P(W
q
= 0) = 1
) 1 ( !
) (
0

S
P S
S


R
u
y

C
o
s
t
a


Faamos agora um exerccio de aplicao:


196

Exerccio:

Resolva a questo 1 do exerccio dO Docinho, assumindo que h duas empregadas
mantendo-se todas as outras caractersticas. Compare os resultados com os
correspondentes quando h apenas uma mpregada, comentando.


= 15 h
1
= 15/60 min
1
; = 1/3 min
1
;

S = 2; = / (S ) = 3/8 ( < 1 )

a) a probabilidade de estar apenas um cliente na pastelaria

P
0
=
1
0
1
!
) (
) 1 ( !

=
+
(

S
n
n S S
n
S
S
S

= 0,45(45) 45 %
P
1
=
0
1
! 1
) (
P
S
34 % (Compare-se com o valor obtido no Ex.4: 19 %)

b) a probabilidade de estarem, pelo menos, trs clientes na pastelaria

P
0
45 % ; P
2
=
0
2
! 2
) (
P
S
13 %.
Assim, 1 P
0
P
1
P
2
8 % (Ex.4: 42 %)

De notar que se tivesse sido pedida a probabilidade de estarem exactamente trs clientes
na pastelaria, P
3
, teramos
0
3 2
!
P
S
S
, ou seja, P
3
4,8 %.
R
u
y

C
o
s
t
a


c) o comprimento mdio da fila de espera

L
q
=
2
0
1
) 1 ( !

+
S
P S
S S
= 0,12 clientes (Ex.4: 2,25 clientes)

d) o tempo mdio na fila

W
q
=

q
L
= 0,48 min (Ex.4: 9,00 min)

e) a probabilidade de que um cliente esteja mais do que 5 minutos na pastelaria

P(W > 5) =
( )
(

) 1 )( 1 ( !
1 ) (
1
) 1 ( 5
0 5

S S S
e P S
e
S S S
5,3 % (Ex.4: 66 %)

f) a probabilidade de que um cliente esteja mais do que 3 minutos espera para comear
a ser atendido
P(W
q
> 3) =
) 1 ( 3 0
) 1 ( !
) (

S
S
e
S
P S
5,9 % (Ex.4: 58 %)

Comentrio: As diminuies esperadas do tempo mdio de espera dos clientes e do
comprimento mdio da fila de espera (resultantes da introduo de uma segunda
197
empregada) so de tal modo significativas que indiciam que duas empregadas (a tempo
inteiro) talvez sejam de mais


Exerccio FE04



E o que acontece se houver limitaes fsicas, que no permitam o desenvolvimento
de uma fila de espera ilimitada ?




Modelo M/M/1/K com populao infinita e fila limitada

Consideremos que nas instalaes onde decorre o servio, no podem ser
acomodados mais do que K clientes e, quando j estiverem K clientes no sistema e se
verificar a chegada de um novo cliente, ser-lhe- recusado o acesso ao sistema, i.e., trata-se
de uma fila de espera com capacidade finita. De notar que os potenciais clientes com
acesso vedado no podero aguardar no exterior do sistema, para entrada posterior.


Neste caso a taxa mdia de entrada em cada estado ser dependente do estado:
R
u
y

C
o
s
t
a

=
=
K n
K n
n
; 0
1 ,..., 1 , 0 ;



De notar que se se est a admitir que a capacidade do sistema limitada a um
mximo de K clientes, os estados sero 0, 1, , K 1, K.


O diagrama de transio resultante ser:





Estado:

Caracterizaremos, em seguida, o sistema M/M/1/K com capacidade finita, assumindo
que a populao ilimitada.
198


Sistema M/M/1/K, Populao = ; Fila mxima = K 1


Nmero mximo de clientes no sistema = K

Processo de chegadas Poissoniano com uma taxa de chegadas de
clientes por unidade de tempo. A taxa de entradas no sistema ser
dependente do estado n do sistema (isto , do nmero n de clientes no
sistema):

=
=
K n
K n
n
; 0
1 ,..., 1 , 0 ;
; = ( 1 P
K
)

Durao do servio com distribuio Exponencial Negativa taxa de
atendimento de clientes por unidade de tempo (pelo nico servidor).

Disciplina da fila: FIFO (atendimento por ordem de chegada)


Taxa de presso = /

Taxa de ocupao = /
Taxa de desocupao = 1 / = P
0
= P(W
q
= 0) =
1
1
1
+

L =

+
+
1 ;
2
1 ;
1
) 1 (
1
1
1

K
K
K
K

L
q
= L /


W = W
q
+ 1 /

W = L /

W
q
= L
q
/




P
0
=
1
1
1
+

= P(W
q
= 0)
P
n
=

>
= +

K n
K n K
K n P
n
; 0
1 ; ) 1 /( 1
1 ;
0

R
u
y

C
o
s
t
a



E agora um exerccio de aplicao ...


199

Exerccio FE05



Em seguida, caracterizaremos o sistema M/M/S/K, com capacidade mxima para K
clientes, S servidores, continuando-se a assumir que a populao ilimitada.


Modelo M/M/S/K com populao infinita e fila limitada

semelhana do modelo anterior, no podem ser acomodados mais do que K
clientes no sistema, i.e., trata-se de uma fila de espera com capacidade finita com S
servidores.

Tal como no modelo anterior, a taxa mdia de entrada em cada estado ser
dependente do estado:

=
=
K n
K n
n
; 0
1 ,..., 1 , 0 ;


A diferena relativamente ao modelo anterior reside na existncia de S servidores, o que far
com que a taxa mdia de sada de cada estado tambm seja dependente do estado (
semelhana do que aconteceu no modelo M/M/S):

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

semelhana do modelo M/M/1/K, os estados sero 0, 1, , K 1, K.

O diagrama de transio resultante ser:



Estado:




Caracterizemos, ento, este modelo:
200


Sistema M/M/S/K, Populao = ; Fila mxima = K S


S K; N mximo de clientes no sistema = K; N de servidores = S

Processo de chegadas Poissoniano com uma taxa de chegadas de clientes
por unidade de tempo. A taxa de entradas de clientes no sistema ser
dependente do estado n do sistema (isto , do nmero n de clientes no
sistema):

=
=
K n
K n
n
; 0
1 ,..., 1 , 0 ;
; = (1 P
K
)

Durao do servio com distribuio Exponencial Negativa com taxa mdia de
clientes por unidade de tempo por cada um dos S servidores.

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

Disciplina da fila: FIFO (atendimento por ordem de chegada)


Taxa de presso = / ( S ) )

Taxa de ocupao = / ( S ) = (1 P
K
)

Taxa de desocupao = 1 / ( S )


P
0
=

=
(

=
+

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

S
n
n S
S
n
n S K S S
n
S
S K
S
S
n
S
S
S

P
n
=

+
+ =
=
1 ; 0
,..., 1 ;
!
,..., 1 ;
!
) (
0
0
K n
K S n P
S
S
S n P
n
S
n S
n

P( W
q
= 0) =

=
1
0
S
n
n
P

L
q
=
2
0
1
) 1 ( !

+
S
P S
S S
| |
S K S K
S K

) )( 1 ( 1


W
q
= L
q
/

W = W
q
+ 1 / ; L = W = L
q
+ /

R
u
y

C
o
s
t
a


E agora um exerccio de aplicao ...
201

Exerccio FE05




Modelo M/M/S/N com populao finita e fila ilimitada

Imaginemos que numa fbrica de txteis existem 15 teares que, quando se avariam,
so reparados por dois tcnicos de manuteno. Sabe- -se que o intervalo de tempo
entre duas avarias consecutivas se pode considerar com distribuio exponencial e que a
reparao de cada tear avariado tem uma durao que tambm se pode considerar com
distribuio exponencial.

Trata-se de um sistema M/M/2/15 alimentado por uma fonte com dimenso
finita (15), ou populao finita, onde os clientes sero os teares avariados e os dois
servidores sero os tcnicos de manuteno.

Em algumas aplicaes industriais, tal como no exemplo apresentado, muito
importante considerar uma nova extenso dos sistemas M/M/1 e M/M/S: a populao com
dimenso finita, isto uma fonte que possa gerar, no mximo, N clientes. Trata-se dos
sistemas M/M/1/N e M/M/S/N com fonte com dimenso finita.

Neste modelo, a taxa mdia de entrada em cada estado ser dependente do estado:

=
=
N n
N n n N
n
; 0
1 ,..., 1 , 0 ; ) (


Se se estiver a admitir um nico servidor, a taxa mdia de sada de cada estado ser
igual a , para todos os estados; caso o sistema tenha S servidores, a taxa mdia de sada
de cada estado, ser dependente do estado (como sucedia no modelo M/M/S):
R
u
y

C
o
s
t
a

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

De notar que se a populao finita, com dimenso N, os estados sero 0, 1, , N-
1, N.

Assim, os diagramas de transio correspondentes aos modelos M/M/1/N e
M/M/S/N sero os seguintes:



Estado:



Estado:


Caracterizaremos, em seguida, o sistema M/M/S/N com fonte com dimenso finita,
referindo alguma particularizao decorrente da existncia de um nico servidor (S = 1).



202

Sistema M/M/S/N, Populao = N (Fila mxima = N S)


S N; N mximo de clientes no sistema = N; N de servidores = S

Processo de chegadas Poissoniano com uma taxa de chegadas de clientes por
unidade de tempo. A taxa de entradas de clientes no sistema ser dependente do
estado n do sistema (isto , do nmero n de clientes no sistema):

=
=
N n
N n n N
n
; 0
1 ,..., 1 , 0 ; ) (
; = (N L)

Durao do servio com distribuio Exponencial Negativa com taxa mdia de
clientes por unidade de tempo por cada um dos S servidores.

+
=
=
1 ;
,..., 2 , 1 ;
S n S
S n n
n

Disciplina da fila: FIFO (atendimento por ordem de chegada)


Taxa de ocupao = / ( S )

Taxa de desocupao = 1 / ( S )


P
0
=
1
1
0
! )! (
!
! )! (
!

=

= (
(

|
|
.
|

\
|

+
|
|
.
|

\
|

N
S n
n
S n
n
S
n
S S n N
N
n n N
N

Caso particular S = 1:

P
0
=
1
0
)! (
!

= (
(

|
|
.
|

\
|

N
n
n
n N
N

= taxa de desocupao


P
n
=

+
+ =
|
|
.
|

\
|

=
|
|
.
|

\
|

1 ; 0
,..., 1 ;
! )! (
!
,..., 1 ;
! )! (
!
0
0
N n
N S n P
S S n N
N
S n P
n n N
N
n
S n
n

Caso particular S = 1:
P
n
=

>
=
|
|
.
|

\
|

N n
N n P
n N
N
n
0
,..., 1 ;
)! (
!
0

P(W
q
= 0) =

=
1
0
S
n
n
P
continua
R
u
y

C
o
s
t
a

203

continuao
Sistema M/M/S/N, Populao = N (Fila mxima = N S)


L
q
=

=

N
n
n
P S n
0
) (

Caso particular S = 1:
L
q
= ) 1 (
0
P N
+

W
q
= L
q
/

W = W
q
+ 1 / ; L = W = L
q
+ /



Desde j poderemos observar que, para N elevado, se torna praticamente
incomportvel determinar P
0
e as restantes medidas de desempenho do sistema por clculo
manual !
R
u
y

C
o
s
t
a




E agora um exerccio de aplicao ...




Exerccio FE07




Modelo com taxa de chegada e/ou taxa de servio dependente do
estado

Os modelos apresentados tm vindo a assumir uma taxa mdia de servio
constante, independente do nmero de clientes no sistema. No entanto, na realidade,
quando os clientes so pessoas, muitas vezes o aumento do nmero de clientes no sistema
vai pressionando o(s) servidor(es) que aumenta(m) a sua taxa mdia de servio.


Analogamente, a taxa mdia de chegadas ao sistema pode no ser constante os
potenciais clientes ao verem o sistema com elevado nmero de clientes em espera, podero
optar por no entrar no sistema, fazendo com que a taxa mdia de chegadas seja, na
realidade, decrescente com o nmero de clientes no sistema.
R
u
y

C
o
s
t
a



Descreveremos, em seguida, uma possvel formulao destas situaes, ainda a
partir do processo de nascimento e morte. Por simplicidade, optaremos por faz-lo
exclusivamente para o caso de um nico servidor, deixando ao leitor interessado na
generalizao a sugesto de uma consulta Bibliografia.


Assumamos, ento, que S = 1 e que
204

n
= n
c
.
1
, para n = 1, 2,


n representa o nmero de clientes no sistema;
1
a taxa mdia de servio, quando est
apenas um cliente no sistema (situao sem presso);
n
a taxa mdia de servio, quando
esto n clientes no sistema (situao de presso); e c uma constante positiva, o
coeficiente de presso, que indica o grau de influncia que o nmero de clientes tem sobre a
taxa de servio. De notar que nos modelos anteriormente apresentados se assumiu
implicitamente c = 0.

Se assumirmos, adicionalmente, que o processo de chegadas Poissoniano com
n

= , para n = 0, 1, 2, , poderemos obter os coefientes C
n
correspondentes ao processo de
nascimento e morte correspondente:



C
n
=
c
n
n ) ! (
) / (
1

, para n = 1, 2,



Notemos que, desde que c > 0, se podero atingir as condies de equilbrio, pelo
que podero aplicar os resultados obtidos para o processo de nascimento e morte. Ainda
que no exaustivamente, recordemos alguns desses resultados:


P
n
= C
n
P
0
, para n = 1, 2, .

P
0
= 1 / ( 1 + C

=1 n
n
)

L = n . P

=0 n
n



Infelizmente, neste modelo, no possvel obter expresses analticas para os
somatrios, que devero ser determinados numericamente. Alguns livros apresentam
alguns grficos com a representao de algumas das relaes, em funo de alguns valores
dos parmetros envolvidos.



Exerccio FE08



No modelo apresentado, modelou-se a presso sobre a taxa mdia de servio.
Mas, como se referiu, pode ser importante assumir uma situao de presso sobre a taxa
mdia de chegadas ao sistema. Tal pode ser modelado do modo seguinte:
R
u
y

C
o
s
t
a

n
= (n + 1)
b
.
0
, para n = 0, 1, 2,


205
n,
0
,
n
e b so definidos de modo anlogo ao anteriormente referido. Se se assumir que
a taxa mdia de servio constante,
n
= , teremos.



C
n
=
b
n
n ) ! (
) / (
0

, para n = 1, 2,



Poderemos utilizar estes coeficientes C
n
nos resultados j referidos para a situao
de equilbrio do processo de nascimento e morte.


Exerccio FE09


Um modelo mais geral permite uma modelao conjunta dos efeitos de presso
sobre as taxas mdias de chegada e de servio. Basta assumir-se conjuntamente:

n
= n
a
.
1
, para n = 1, 2,

n
= (n + 1)
b
.
0
, para n = 0, 1, 2,


sendo a e b constantes de presso definidas de modo anlogo ao anteriormente referido.
Ter-se-, ento



C
n
=
b a
n
n
+
) ! (
) / (
1 0

, para n = 1, 2,



De notar que as trs formulaes se podem reduzir a uma nica, sendo ento
necessrio especificar o quociente que elevado potncia n, bem como o coeficiente de
presso que a potncia qual se eleva n!, o que permite utilizar os resultados gerais
apresentados graficamente em alguns livros.

S uma nota final para recordar a utilizao de logaritmos, que pode ser til, na
resoluo de problemas com este modelo. Suponha-se que, num dado exerccio se assume
que
1
= 2,5 clientes por hora e
6
= 5,0 clientes por hora. A determinao da constante de
presso faz-se facilmente: 5,0 = 6
c
. 2,5.

5,0 = 6
c
. 2,5 6
c
= 2 log
6
(6
c
) = log
6
(2) c = [ ln(2) / ln(6) ] c = 0,3387



Exerccio FE10



At agora apresentmos modelos de Filas de Espera, baseados no processo de
nascimento e morte que, consequentemente, descreviam os intervalos de tempo entre
chegadas consecutivas e as duraes de atendimento com distribuies exponenciais.
R
u
y

C
o
s
t
a


206
Mas, se as chegadas forem previamente marcadas, ou, de algum modo, reguladas, o
processo de chegadas perde o seu carcter Poissoniano. Analogamente, se as
necessidades dos vrios clientes, em termos de atendimento, forem idnticas, deixa de fazer
sentido a utilizao da distribuio Exponencial para descrever a durao do atendimento de
cada cliente.

Neste casos, dever-se- considerar modelos que envolvam distribuies no
exponenciais.
207


MODELOS ENVOLVENDO DISTRIBUIES NO EXPONENCIAIS



Modelo M/G/1 (Cadeias de Markov encaixadas)

No modelo M/G/1 assume-se um processo Poissoniano de chegadas de clientes,
com taxa mdia fixa , que vo ser atendidos por um nico servidor, no sendo postas
quaisquer restries distribuio da durao do atendimento apenas necessrio
conhecer (ou estimar) o valor mdio (que consideraremos ser igual a 1 / ) e a varincia
2

dessa distribuio (no especificada).

Neste caso, em geral, no ser possvel recorrer s equaes de equilbrio, uma vez
que a durao dos atendimentos poder apresentar memria. Em alternativa, pode
analisar-se o sistema imediatamente aps a sada de cada cliente, constituindo uma cadeia
de Markov que fica encaixada num processo no-Markoviano.

Se = / < 1 um tal sistema poder eventualmente atingir o estado de equilbrio,
sendo ento vlidos os seguintes resultados:

P
0
= 1 -

L
q
=
) 1 ( 2
2 2 2

+


L = + L
q


W
q
= L
q
/

W = W
q
+ 1 /


interessante notar que apesar deste modelo permitir qualquer distribuio para a
durao do atendimento, se conseguem obter resultados analticos, baseados na Frmula
de Pollaczek-Khintchine para a determinao de L
q
:

L
q
=
) 1 ( 2
2 2 2

+


R
u
y

C
o
s
t
a


Infelizmente, no foi possvel determinar expresses analticas para o caso de mltiplos
servidores.


Se a durao do atendimento for Exponencial,
2
= 1 /
2
, obtendo-se os resultados j
apresentados para o modelo M/M/1.

Uma ltima nota para o facto de, para um valor mdio da durao do servio
constante, W, W
q
, L e L
q
aumentarem com o aumento da varincia da distribuio da
durao do servio ! Tal mostra que o desempenho do servidor no apenas relevante no
que toca ao seu valor mdio


208

Modelo M/D/1

Se continuarmos a assumir que o processo de chegadas Poissoniano, que temos
apenas um servidor e se o atendimento aos diferentes clientes consistir numa rotina
relativamente idntica, praticamente no se verificar qualquer variao na durao do
servio, sendo ento til o modelo M/D/1, que pode ser encarado como um caso particular do
modelo M/G/1, fazendo
2
= 0.

Assim, a Frmula de Pollaczek-Khintchine originar:


L
q
=
) 1 ( 2
2

interessante notar que o valor indicado na frmula acima metade do
correspondente valor para o modelo M/M/1: ou seja, se a distribuio do atendimento for
Exponencial com parmetro , o comprimento da fila de espera ser duplo do que seria se
todos os atendimentos fossem executados com durao determinstica (igual a 1/). Fica
assim patente a importncia da varincia da distribuio da durao do atendimento no
desempenho do sistema !
R
u
y

C
o
s
t
a




Num sistema com mltiplos servidores (M/D/S) tudo se torna mais complicado
deixa-se ao leitor mais interessado a sugesto de uma leitura da Bibliografia. (Note-se que,
no entanto, alguns livros apresentam alguns grficos que representam as principais relaes,
em funo dos valores dos parmetros).





Modelo M/E
k
/1 (Mtodo dos Estdios)



Como se referiu anteriormente, nos sistemas M/D/S assume-se que a durao do
atendimento de um cliente determinstica ( = 0) uma situao terica que raramente
ocorre rigorosamente na prtica. Num outro extremo, temos o s modelos M/M/S, em que se
assume uma variao muito grande ( = 1 / = durao mdia do atendimento de um
cliente). Ora, na realidade, muitas vezes nem temos uma durao determinstica, nem
temos uma variao to elevada para estes casos que se torna til recorremos
distribuio Erlang-k.




Consideremos um sistema com um processo Poissoniano de chegadas, com taxa ,
e com a durao do atendimento de um cliente, T, com mdia 1/ . Imaginemos que se
sabe que a durao de cada atendimento no segue uma distribuio Exponencial e, que se
assume que cada atendimento se pode decompor numa sequncia de k estdios
consecutivos, cada um deles com duraes, T
i
, independentes e identicamente distribudas,
com distribuio Exponencial de valor mdio 1/(k).

209


T
1
, T
2
, , T
k
v.a. i.i.d.

T
i
~ Exponencial de mdia igual a 1/(k)

T ~ T
1
+ T
2
+ + T
k


T ~ Erlang-k com valor mdio igual a 1/ e varincia igual a 1/(k
2
)



A distribuio Erlang-k (mais rigorosamente, distribuio Erlang, com
parmetros k e ), tem valor mdio igual a 1/ e varincia igual a 1/(k
2
). Assim, o
coeficiente de variao da distribuio Erlang-k ser [ 1/( k ) ] / [ 1/ ], ou seja, ser
igual a 1/ k . De notar que como k influi directamente na varincia da distribuio Erlang-k,
costuma designar-se por parmetro de forma.

De notar que o coeficiente de variao da distribuio Erlang-k sempre menor, ou
igual a 1 (a igualdade ocorre quando k = 1, i.e., quando a distribuio Erlang-k coincide com
a distribuio Exponencial).

Assim, para utilizarmos o mtodo dos estdios, comearemos por calcular o
coeficiente de variao da distribuio da durao do atendimento de um cliente (que ter de
ser inferior a 1, para que o mtodo se possa utilizar). Imaginemos que o valor mdio era
igual a 15,00 minutos e que o desvio padro era igual a 6,75 minutos ter-se-ia, assim, o
coeficiente de variao igual a 0,45. Fazendo 1/ k = 0,45, vem que k = 4,938, pelo que
parece razovel adoptar-se k = 5. Adoptar-se-ia, ento, a distribuio Erlang-k, com k = 5 e
= 1/15 (adoptando o minuto como unidade de tempo).
R
u
y

C
o
s
t
a



O Modelo M/E
k
/1 pode ser caracterizado a partir da anlise do correspondente
diagrama de transio de estados (baseado no processo de nascimento e morte). De notar
o cuidado inicial que se ter de ter na designao dos estados: 0; 1,k; 1,k-1; ; 1,2; 1,1; 2,k;
; 2, 1; 3,k; ;3, 1;
No que diz respeito s chegadas, do estado 0 transita-se para o estado 1,1 com taxa mdia
; do estado 1,3 transita-se para o estado 2,3 com taxa mdia No que diz respeito
s finalizaes de atendimento (ou, mais precisamente, de estdios de atendimento), passar-
se- do estado 2,k-1 para o estado 2,k, deste para o estado 1,1, deste para o estado 1,2, ,
para o estado 1,k e, finalmente, para o estado 0, sendo cada taxa mdia de transio igual a
k.

Esta designao dos estados poder ser, posteriormente, simplificada para uma
designao unidimensional Em seguida poderemos escrever as equaes de equilbrio
para os vrios estados e, aps vrias manipulaes, deduzir alguns resultados.

No entanto, como j apresentmos o modelo mais geral M/G/1, poderemos encarar o
modelo M/E
k
/1 como um caso particular desse, com
2
= 1 / (k
2
). Assim, a frmula de
Pollaczek-Khintchine para a determinao de L
q
ser:



L
q
=
k
k
2
1+
) (
2

210
Os demais parmetros relevantes podem ser obtidos por aplicao das frmulas
apresentadas no modelo M/G/1, bem como alguns resultados gerais (p.ex., L = W).

Para os leitores mais interessados deixamos dois tpicos que podero desenvolver
com leituras complementares da Bibliografia:

1 - O mtodo dos estdios tambm aplicvel aos sistemas E
k
/M/1 e E
k
/E
k
/1.
R
u
y

C
o
s
t
a


2 Se o coeficiente de variao da distribuio da durao do atendimento de um
cliente (/distribuio das chegadas) for maior que 1, poder-se- aplicar o mtodo dos
estdios, mas os estdios devero desenvolver-se em paralelo (e no em srie,
como se apresentou).


Exerccio FE11




Modelos sem entradas Poissonianas

Os modelos M/ / assumem um processo de chegadas Poissoniano (intervalos de
tempo entre chegadas consecutivas independentes e identicamente distribudos, com
distribuio Exponencial). No entanto, em certas situaes, tal poder no ser o mais
adequado. Como proceder ento?

Se a durao do atendimento de um cliente for Exponencial, com um parmetro fixo,
poderemos obter, de imediato, trs modelos por inverso das distribuies assumidas para
as chegadas e para os atendimentos, nos modelos M/G/1, M/D/1, M/E
k
/1, obtendo ento os
modelos G/M/1, D/M/1 e E
k
/M/1.

O modelo G/M/1 no impe qualquer restrio distribuio associada ao processo
de chegadas; o modelo D/M/1 assume chegadas a intervalos regulares; o modelo E
k
/M/1
permite modelar um processo de chegadas que, no sendo Poissoniano, tambm no
determinstico (intervalos de tempo constantes). Para alguns destes modelos, bem como as
suas verses com mltiplos servidores, foi possvel representar graficamente algumas
relaes com interesse.





211


MODELOS DE FILAS DE ESPERA COM DUISCIPLINA PRIORITRIA



Em certos sistemas de filas de espera o atendimento no feito apenas por ordem
de chegada, mas existe um sistema de prioridades, pelo que o atendimento de um cliente
feito pela respectiva prioridade.


O tratamento analtico de sistemas com prioridades , obviamente, mais complicado
do que o de sistemas sem prioridades. Como consequncia, apenas se dispe
maioritariamente de resultados para o caso de um nico servidor. Contudo, h um sistema
com mltiplos servidores que apresenta resultados interessantes. Caracterizemo-lo:


Assume-se que existem N classes de prioridade (a classe 1 com prioridade
mais elevada e a classe N com mais baixa prioridade). Os clientes so atendidos
por ordem das suas classes de prioridade e, dentro da cada classe, por ordem de
chegada;


Assume-se que o processo de chegadas Poissoniano, permitindo-se que a
taxa de chegadas de clientes das vrias classes possa ser diferente;


Assume-se que as duraes de atendimento so Exponenciais para cada
classe, assumindo-se, adicionalmente, que a durao mdia de atendimento igual
para todas as classes.


De notar que, se se ignorar as prioridades, estaremos perante o modelo M/M/S.
Assim, quando contabilizarmos o nmero total de clientes no sistema, poderemos considerar
as distribuies limite apresentadas para o modelo M/M/S. Consequentemente, para um
cliente seleccionado aleatoriamente, so vlidas as expresses obtidas para L, L
q
, W e W
q

nesse modelo. O que muda a distribuio do tempo de espera: num modelo com
prioridades a varincia da distribuio do tempo de espera aumenta teremos clientes de
prioridade mais elevada com tempos de espera mais baixos do que ocorreriam com a
disciplina FIFO sem prioridades e, como se esperaria, clientes de prioridade mais baixa com
tempos de espera mais elevados O que no de estranhar j que se pretende melhorar
o desempenho do sistema no que diz respeito aos clientes de mais elevada prioridade,
custa de um pior desempenho para os clientes de mais baixa prioridade.
R
u
y

C
o
s
t
a



Assim, importante calcular o tempo de espera mdio para um cliente de cada
classe de prioridade.


Assumamos que prioridades no absolutas (nonpreemptive priorities), i.e.,
um cliente que est a ser atendido, no v o seu atendimento interrompido pela chegada de
um cliente com mais elevada prioridade.


Assumindo prioridades no absolutas, W
k
, o tempo de espera mdio
para um cliente da classe de prioridade k (incluindo a durao do atendimento) ser
dado por:


212

W
k
=

1
. .
1
1
+
k k
B B A
, para k = 1, 2, , N


Com A =

.
!
!
1
0
S
j
r
r
S
S
S
j
j
S
+
|
.
|

\
|

=
,
= 1,
0
B

S
B
k
i
i
k

=
=
1
1 , para k = 1, 2, , N,

e S = nmero de servidores,
= taxa mdia de servio por cada servidor ocupado,

i
= taxa mdia de chegadas da classe de prioridade i, i = 1, 2, , N
=

=
N
i 1
i
e

r = /



Estes resultados assumem que

=
k
i 1
I
< S . , de modo a que a classe de
prioridade k possa atingir um estado de equilbrio. Para cada classe de prioridade aplica-se
a Frmula de Little, pelo que o nmero esperado de clientes da classe de
prioridade k no sistema (incluindo os que esto a ser atendidos) ser
R
u
y

C
o
s
t
a



L
k
=
k
. W
k
, para k = 1, 2, N.


Notas: 1) Para a classe k, o tempo mdio de espera a aguardar atendimento,
ser igual a W
k
1 / para k = 1, 2, N;

2) O comprimento mdio da fila de espera correspondente classe k
ser igual a
k
. ( W
k
1 / ), para k = 1, 2, N.

3) Se S = 1, A =
2
/ .




Assumindo prioridades absolutas (preemptive priorities), i.e., o atendimento
de um cliente ser interrompido (e re-enviado para a fila de espera) pela chegada de um
cliente com mais elevada prioridade, e mantendo as demais hipteses j referidas, W
k
, o
tempo de espera mdio para um cliente da classe de prioridade k (incluindo a
durao do atendimento) ser, para um nico servidor, dado por:


213


W
k
=
k k
B B .
/ 1
1

, para k = 1, 2, , N.

L
k
=
k
. W
k
, para k = 1, 2, N.



Para o caso de mltiplos servidores, dever-se- adoptar m processo iterativo (para
os leitores mais interessados, recomenda-se a consulta de Hillier e Lieberman).

Os correspondentes resultados para a fila de espera (excluindo os clientes que esto
a ser atendidos) obtm-se a partir de W
k
e L
k
com se referiu para as prioridades no
absolutas.


Refira-se, finalmente, que dado que a distribuio Exponencial no tem memria, as
interrupes de atendimento no afectam, em mdia, o processo de atendimento: a durao
mdia total do atendimento continua a ser igual a 1 / . Quando um cliente com atendimento
interrompido voltar a ser atendido, a distribuio da durao do atendimento restante
continuar a mesma. De notar que tal no ocorre para nenhuma outra distribuio da
durao de um atendimento !
R
u
y

C
o
s
t
a





Exerccio FE12









214


REDES DE FILAS DE ESPERA


At agora temos vindo a considerar sistemas de Filas de Espera com um nico local
de atendimento (ainda que com um ou mais servidores). No entanto, em muitas situaes
reais, um cliente tem de passar por uma sequncia de filas de espera (seguindo, ou no,
uma determinada ordem) o output de algumas dessas filas ser o input de outras.
Estaremos, assim, perante um sistema de redes de filas de espera. Quando tal ocorre,
importante estudar globalmente a rede para determinar o tempo total de espera, ou o
nmero total de clientes no sistema.

Dada a dificuldade de modelao destes sistemas, a maior parte dos modelos
divulgados assume processos Poissonianos de chegada e duraes de atendimento
exponenciais.



Filas ilimitadas em srie

Consideremos um sistema constitudo por k filas (sem limite de capacidade), em
srie), como se esquematiza em seguida:

Estdio 1 Estdio 2 Estdio k






Output 1 =
= Input2


Output 2 =
= Input3


Output k-1 =
= Input k



Taxa
de
entrada



Sada







S
1
servidores
Taxa
1

S
2
servidores
Taxa
2

S
k
servidores
Taxa
k



O importantssimo Teorema de Jackson, garante-nos que:


Se
(1) o processo de chegadas dos clientes a um sistema de espera for
Poissoniano com taxa ,
(2) as duraes dos atendimentos dos servidores em cada estdio
forem exponenciais, com parmetro
i
, e
(3) cada estdio permitir a formao de uma fila ilimitada (modelo
M/M/S), com S. > ,

ento o processo de sadas dos clientes de cada estdio do sistema de espera
Poissoniano, com taxa .

R
u
y

C
o
s
t
a



Faamos alguns comentrios breves ao Teorema de Jackson:

215
i) De notar que no feita qualquer restrio disciplina das filas !

ii) Se o processo de sadas dos clientes de cada estdio do sistema de espera
Poissoniano, com taxa , ento o processo de chegadas a cada estdio
Poissoniano, com taxa .

iii) Em condies de equilbrio, cada estdio k poder ser analisado
independentemente dos outros: ser alimentado por um processo
Poissoniano de chegadas, ter S
k
servidores, com durao de atendimento
exponencial, com taxa
k
: assim, poder ser tratado com um modelo M/M/S
k

(com, ou sem prioridades).


iv) Infelizmente, na realidade, nem sempre possvel garantir a formao de
filas ilimitadas em todos os estdios, pelo que o Teorema de Jackson nem
sempre poder ser invocado.


Realcemos, pela sua extraordinria importncia, o terceiro comentrio acima
apresentado. A possibilidade de se utilizar um modelo M/M/S para cada estdio,
independentemente dos outros, uma enorme simplificao. Por exemplo, a probabilidade
conjunta de se ter n
1
clientes no estdio 1, n
2
clientes no estdio 2, , n
k
clientes no estdio
k poder, assim, obter-se simplesmente como o produto das probabilidades individuais:
R
u
y

C
o
s
t
a




P( N
1
= n
1
N
2
= n
2
N
k
= n
k
) = P
n1
. P
n2
. . P
nk




Esta forma da soluo designa-se por forma de produto (product form). Os
sistemas com filas com capacidade limitada no apresentam solues na forma de produto !



Exerccio FE13





Redes de Jackson


A utilizao dos modelos M/M/S independentemente para cada estdio ocorre
tambm noutros contextos, para alm das filas ilimitadas em srie. As Redes de Jackson
tambm permitem essa abordagem. Nas filas ilimitadas em srie os clientes tm de
percorrer obrigatoriamente todos os estdios, em sequncia (estdio1, estdio2, , estdio
k); nas redes de Jackson os clientes podem nem visitar todos os estdios, podero visit-los
por qualquer ordem e, para cada estdio, os clientes podero ser provenientes quer de
outros estdios, quer do exterior (segundo um processo Poissoniano). Resumamos, ento,
as caractersticas deste tipo de sistema:




216

Uma Rede de Jackson um sistema de k estdios, onde o estdio i (i = 1,
2, , k) tem:

1) uma fila ilimitada;
2) os clientes chegam do exterior do sistema de acordo com um processo
Poissoniano com parmetro a
i
e
3) S
i
servidores, que asseguram uma distribuio de atendimento
exponencial, com parmetro
i
.

Um cliente que deixe o estdio i segue para outro estdio j (j = 1, 2, , k e j i)
com probabilidade p
ij
, ou partir do sistema com probabilidade q
i
= 1 - p

=
k
i j
j 1
ij
.



Em situao de equilbrio, cada estdio j de uma rede de Jackson (j = 1,
2, , k) comporta-se como se fosse um sistema M/M/S independente, com taxa
de chegadas
i
:

j
= a
j
+

=
k
j i
i 1
i
.p
ij
, com S
j
.
i
>
j




Intuitivamente poderemos compreender este resultado, recordando- -nos que o
carcter Poissoniano de um processo de Poisson no afectado pela desagregao do
processo, ou pela sua agregao a outros processos Poissonianos. Ora se sabemos que o
processo de sadas de cada estado Poissoniano, se sabemos que o processo de chegadas
do exterior Poissonano (que se desagregar, em contribuies para entradas em cada
estdio directamente do exterior), pode concluir-se que o processo de entrada em cada
estdio uma agregao de contribuies Poissonianas e, assim, um processo
Poissoniano.
R
u
y

C
o
s
t
a




Exerccio (Hillier e Lieberman):

Considere uma Rede de Jackson, com os dados seguintes:

Pij


Estdio j

S
j

j

a
j i = 1 i = 2 i = 3
j = 1 1 10 1 0,1 0,4
j = 2 2 10 4 0,6 0,4
j = 3 1 10 3 0,3 0,3

a) Determine as taxas de entrada nos diferentes estdios.
b) Determine o nmero total de clientes no sistema.
c) Determine o tempo total esperado de permanncia no sistema por cliente.


217
a) Escrevamos as equaes
j
= a
j
+

=
k
j i
i 1
i
.p
ij
:

1
= 1 + 0,1
2
+ 0,4
3


2
= 4 + 0,6
1
+ 0,4
3


3
= 3 + 0,3
1
+ 0,3
2


Resolvendo o sistema, obtm-se
1
= 5,
2
= 10,
3
= 7,5.

Assim, podemos considerar que, para cada estdio i, se tem um sistema M/M/S cm taxa de
entradas
i
, taxa de servio
i
e S
i
servidores.

b)
Estado 1: fila M/M/1, com
1
= 5 e
1
= 10.
= 5/10 = 0,5; P
n
=
n
. P
0
e P
0
= 1 - , ou seja, P
n1
= 0,5
n+1

L = /(-), ou seja L
1
= 1.

Estado 2: fila M/M/2, com
1
= 10 e
1
= 10.
1/3, para n
2
= 0
= 10/(10 . 2) = 0,5; P
0
= 1/3, ou seja, P
n2
= 1/3, para n2 =1
(1/3)).(1/2)
n2 + 1
para n2 2
L = L
q
+ / = P
0
. (/)
S
. / ( S! . (1-)
2
) + / , ou seja L
2
= 4/3.
R
u
y

C
o
s
t
a


Estado 3: fila M/M/1, com
1
= 7,5 e
1
= 10.
= 7,5/10 = 0,75; P
n
=
n
. P
0
e P
0
= 1 - , ou seja, P
n3
= 0,75
n
. 0,25
L = /(-), ou seja L
3
= 3.

Assim, a funo de probabilidade conjunta (no pedida), pode escrever-se na forma produto:

P (N
1
= n
1
N
2
= n
2
N
3
= n
3
) = P
n1
. P
n2
. P
n3



Quanto ao nmero de clientes no sistema, teremos L = L
1
+ L
2
+ L
3
= 5,33(3).


c) A determinao do tempo total esperado de permanncia no sistema por cliente no
pode ser feita to imediatamente. Com efeito, como nem todos os clientes so obrigados a
ir a todos os estdios, no poderemos somar os tempos correspondentes a cada estdio.
No entanto poderemos ainda utilizar a Frmula de Little, considerando que a taxa global de
chegadas de clientes vindos do exterior = a
1
+ a
2
+ a
3
= 8. Assim, W = L
/ = 2/3 (unidades de tempo).



Exerccio FE14



Naturalmente, as Redes de Filas de Espera no se esgotam nos dois modelos
apresentados. As filas de espera com bloqueio (devido limitao da capacidade das
filas em srie, quando uma fila a jusante atinge o seu limite de capacidade, produz-se um
bloqueio nas filas a montante, impedindo a o processamento de clientes), as redes
fechadas de Jackson (que consideram uma populao limitada a N clientes, que
continuamente re-alimentam o sistema) e as filas cclicas (rede fechada em que o output da
1 fila o input da 2 fila, o output da 2 fila o input da 3 fila, , o output da k-sima fila o
input da 1 fila) so algumas extenses das Redes de Filas de Espera. O leitor interessado
nalgum destes tpicos remetido para a Bibliografia (em particular, Gross, D. and C. Harris,
Fundamentals of Queueing Theory, J. Wiley, New York (1985)).

218
219

CONCLUSO




A importncia das Filas de Espera evidente no dia-a-dia e em variados
contextos. Assim, evidente que a gesto adequada de um sistema de filas de espera tem
repercusses na qualidade de vida e na produtividade.

Na modelao matemtica de sistemas de filas de espera a distribuio
Exponencial tem um papel fulcral, ainda que em determinadas situaes possa ser til
considerar outras distribuies, nomeadamente a Erlang-k.

De referir ainda a necessidade de, em certos sistemas, se tornar necessrio separar
os clientes em diferentes classes, cada uma das quais com um nvel de prioridade distinto.

Quando um cliente precisa de recorrer a vrios servios, num mesmo sistema, torna-
se til model-lo como uma rede de filas de espera.

Refira-se, finalmente, que quando h particularidades especiais, no contempladas
em qualquer modelo conhecido, poderemos recorrer simulao de filas de espera.
R
u
y

C
o
s
t
a








BIBLIOGRAFIA ESPECFICA



Gross, D. and C. Harris, Fundamentals of Queueing Theory, J. Wiley, New York (1985).

Hillier, F. and G. Lieberman, Introduction to Operations Research, McGraw-Hill Int.
Editions (5 ed., 1990);

Winston, W, Operations Research Applications and Algorithms, Duxbury Press (1994)