UNIVERSIDADE ESTCIO DE S

CAMPUS SANTA CRUZ

INTRODUO A TEORIA DAS FILAS
ENG0830 - 3001
TEORIA DAS FILAS
PROFESSOR: IVAN CUNHA
EMENTA:
Anlise de regies es!"#i$nri$s %"r" di&ers$s %r$#ess$s de 'il"s(
Di"gr"" de 'l)*$( M$del"ge "n"l+!i#"(
Cl#)l$ de edid"s de dese%en,$( Pr$#ess$ de -N"s#ien!$ e M$r!e.(
Pr$#ess$ de P$iss$n( Pr$#ess$s M"r/$&i"n$s e n0$1M"r/$&i"n$s(
O!ii2"30$ de sis!e"s #$ 'il"s(
A%li#"34es d" Te$ri" de Fil"s " #"s$s re"is(
O56ETIVO7S8 9ERAL:
A%resen!"r "$s "l)n$s "l: d" !e$ri" ;si#"< "%li#"34es " #"s$s re"is d" Te$ri" de Fil"s(
=(> TEORIA DAS FILAS
=(= UMA INTRODUO ? PES@UISA OPERACIONAL
A Pesquisa Operacional (PO) uma cincia aplicada cujo objetivo a melhoria da
performance em organizaes! ou seja! em sistemas produtivos com usu"rios de recursos
materiais! financeiros! humanos e ambientais (os chamados #meios de redu$o#)% &la
trabalha atravs da formula$o de modelos matem"ticos a serem resolvidos com o au'(lio de
computadores! sendo feita em seguida a an"lise e a implementa$o das solues obtidas% )essa
forma! a tcnica precedida pela modelagem e seus resultados s$o sujeitos * an"lise de
sensibilidade%
A $del"ge tem muito de arte e e'ige o desenvolvimento de uma capacidade (em
grande parte n$o l+gica) de intera$o com o %r$;le"< se)s "gen!es e se) ei$ ";ien!e%
O $del$ "!e!i#$! que uma simplifica$o! dificilmente pode levar em conta muitos
aspectos n$o qualific"veis que aparecem no e'ame do problema e por isso a an"lise de
sensibilidade deve ser realizada para avaliar o seu significado e a sua influncia% &nfim! a
implementa$o da decis$o reata o contato com a realidade do problema e com o meio no
qual ele se encontra inserido%
O campo de atua$o da PO se estende da produ$o de matrias,primas e bens de
consumo ao setor de servios e *s aplicaes de interesse social como as relacionadas * sa-de! *
educa$o e * psico,sociologia! no que concerne a modelos organizacionais e descritivos% &sta
multiplicidade de aplicaes aponta para a necessidade de se evitar a estreiteza da especializa$o!
o que levou a .rea a adotar uma orienta$o metodol+gica! facultando a seus alunos!
tanto como a seus docentes/pesquisadores! uma ampla gama de oportunidades em termos de
novos problemas% &sta orienta$o foi adotada no trabalho did"tico associado * forma$o de
mestres! resultando da( uma forma$o bastante ecltica que procura abranger os diversos
aspectos do mercado de trabalho no que se refere ao instrumental te+rico%
A PO tem sido grandemente empregada em organizaes governamentais (federais!
estaduais e municipais)! militares e de utilidade p-blica (como escolas! sindicatos! hospitais e
bibliotecas)% 0orna,se cada vez mais comum seu emprego em "reas das mais variadas%
A seguir alguns dos problemas que tm sido resolvidos por tcnicas particulares da PO1
, PRO9RAMAO LINEAR1 tem sido usada com sucesso na solu$o de problemas relativos
* aloca$o de pessoal! mistura de materiais! distribui$o! transporte! carteira de investimento%
, TEORIA DAS FILAS1 tem tido aplica$o na solu$o de problemas relativos a
congestionamento de tr"fego! m"quinas de servios sujeitas a quebra! determina$o do n(vel de
uma fora de servio! programa$o do tr"fego areo! projetos de represas! programa$o de
produ$o e opera$o de hospitais%
, SIMULAO: tem sido aplicada tambm com sucesso a "reas como programa$o de
produ$o! transportes! neg+cios! comunicaes! bancos! escrit+rios! supermercados! redes de
computadores! etc%
Outras tcnicas de pesquisa operacional! tais como teoria de estoque! teoria dos jogos e
programa$o din2mica! tambm tm sido aplicadas com sucesso a diversos conte'tos%
=(A ASPECTOS 9ERAIS DA TEORIA DAS FILAS
-As 'il"s s0$ " -%r"g". d$ )nd$ "!)"lB Es%er"1se e 'il" n$ ;"n#$< n" %$r!"ri"< %$n!$
de Cni;)s< n$ !rDnsi!$< n$ res!")r"n!e((( 7TEIEEIRA A>>F8(.
As '$r"34es de 'il"s $#$rre %$rG)e " %r$#)r" %el$ ser&i3$ : "i$r d$ G)e "
#"%"#id"de d$ sis!e" de "!ender " es!" %r$#)r"H
Os $!i&$s %"r" n0$ se ")en!"r " #"%"#id"de de "!endien!$ d$s ser&i3$s s0$:
in&i";ilid"de e#$nCi#" e lii!"30$ de es%"3$H
A Te$ri" d"s Fil"s !en!"< "!r"&:s de "nlises "!e!i#"s de!"l,"d"s< en#$n!r"r )
%$n!$ de eG)il+;ri$ G)e s"!is'"3" $ #lien!e e seI" &i&el e#$n$i#"en!e %"r" $
%r$&ed$r d$ ser&i3$ 7e&i!"r des%erd+#i$s e inii2"r g"rg"l$s8(
A teoria das filas um mtodo anal(tico que aborda o assunto por meio de formulas
matem"ticas% 3" a simula$o uma tcnica que! usando o computador digital! procura montar
um modelo que melhor represente o sistema em estudo%
A abordagem matem"tica de filas se iniciou no princ(pio do 4culo 55 (6789) em :openhague!
)inamarca! com A% ;% &rlang! considerado o pai da 0eoria das <ilas! quando trabalhava em uma
companhia telef=nica% <oi somente a partir da segunda guerra mundial que a teoria foi aplicada a
outros problemas de filas% Apesar do enorme progresso alcanado pela teoria! in-meros
problemas n$o s$o adequadamente resolvidos por causa de comple'idades matem"ticas
(P>A)O! ?88@)%
A teoria das filas envolve o estudo matem"tico das filas ou linhas de espera% A forma$o de
filas e'cede a capacidade de fornecer aquele servio% Os modelos matem"ticos se tornam
comple'os porque normalmente utilizam ferramentas que envolvem um tratamento estat(stico ou
estoc"stico% <ornecer uma capacidade e'cessiva de atendimento gera ociosidade! fornecer um
atendimento deficit"rio gera insatisfa$o! perda de clientes! perda de produ$oA tudo isto leva a
uma rela$o muito forte entre as condies de um sistema de filas e a miniza$o dos custos no
atendimento do mesmo%
O estudo de sistemas de filas tem larga utilidade1
a) Bo planejamento e controle da produ$o%
b) Bo dimensionamento de sistemas de armazenamento%
c) Bos sistemas de transportes%
d) Bos sistemas de tr"fego (rodo,porto,areo,ferrovi"rio)%
e) Ba manuten$o de m"quinas%
f) em qualquer sistema em que seja prov"vel a forma$o de filas para determinado
atendimento%
g) Bos sistemas de sa-de%
h) 4istemas comerciais%
As filas n s si!"#$i%as
Lei de Murphy
a fila que anda a outra, mas no adianta
trocar de fila pois a fila que anda a outra
A figura a seguir ilustra os elementos que compem uma fila% Bela pode,se observar que uma
certa %$%)l"30$! surgem #lien!es que formam 'il" e que aguardam por um certo tipo de ser&i3$%
O termo cliente usado de uma forma genrica e pode designar tanto uma pessoa! um navio ou
um lingote% O "!endien!$ constitu(do de um ou mais ser&id$res (que podem ser chamados
de "!enden!es ou #"n"is de ser&i3$) e tanto pode designar um barbeiro! um vendedor ou uma
m"quina%
Observaes1
a) A popula$o de clientes pode ser finito ou infinitoA
b) Os clientes podem chegar um de cada vez ou em blocosA
c) A fila pode ter capacidade finita ou infinitaA
d) O mecanismo de atendimento pode ter um posto ou v"rios! paralelosA
e) O sistema engloba os clientes da fila e os clientes em atendimento%
&m resumo! o esquema t(pico de um sistema de filas ilustrado pela figura 6 a seguir%
<igura 6, 4istema de fila
As figuras a seguir ilustram os tipos de atendimento em filas%
Pr$#ess$ de
C,eg"d"
A!endien!$
Ser&id$res
Fil"
Clien!es
P$%)l"30$
Pr$#ess$ de
C,eg"d"
A!endien!$ A!endien!$
Ser&id$res
Fil"
Clien!es
P$%)l"30$ P$%)l"30$
=(=(=1 Di"gr"" de Fl)*$ de D"d$s1 DFD:
, Cma das mais utilizadas ferramentas de modelagemA
, Dostra o sistema como uma rede de processos funcionais! interligados por estruturas de dadosA
,Ctilizado quando as funes s$o mais importantes e mais comple'as do que os dados
manipuladosA
,Csado para modelar sistemas de P%)% ou organizaes inteiras%
C$%$nen!es d$ %r$#ess$:
, Eolha! fun$o ou transforma$oA
, 0ransforma entradas em sa(dasA
, Bomeado com um verbo e um objeto (o que o processo faz)A
, )escrito nas especificaes de projetos %
Fl)*$s:
, 4$o )ados em movimento F )ados do clienteA
, Dostra a dire$o , seta
, B$o necess"rio rotular se todo o pacoteA
, )escritos no dicion"rio de )ados
E*e%l$ de "r"2en"en!$ de es%er" en!re d$is %r$#ess$s G)e $#$rre e $en!$s
di'eren!es:
=(A CARACTERJSTICAS DE UMA FILA
Clien!es e !""n,$ d" %$%)l"30$1 Cm cliente proveniente de uma popula$o% Guando uma
popula$o muito grande! a chegada de um novo cliente a uma fila n$o afeta a ta'a de chegada
de clientes subseqHentes e conclui,se dizendo que as chegadas s$o independentes% Guando a
popula$o pequena! o efeito e'iste e pode
ser consider"vel%
Popula$o infinita IJ :hegadas
independentes
Popula$o finita IJ :hegadas
interdependentes
Pr$#ess$ de #,eg"d"s: >epresenta o ritmo de
chegadas para a realiza$o de uma atividade e
para quantificar as vari"veis rand=micas
(aleat+rias) envolvidas podemos definir1
I >itmo de chegada (e'emplo1 @ clientes
por minuto)
K: I Kntervalo mdio entre chegadas
(e'emplo1 6? segundos)
B$o basta fornecer valores mdios! necess"rio tambm mostrar como os valores se distribuem
em torno da mdia! i%e%! qual distribui$o de probabilidades rege o processo%
Cm tipo raro de processo de chegada o regular! ou seja aquele em que n$o e'iste nenhuma
varia$o entre valores para os intervalos de chegada% &sta situa$o ocorre apenas em processos
altamente automatizados%
Pr$#ess$ de "!endien!$1 >epresenta a realiza$o da atividade e este processo
quantificado pelas vari"veis rand=micas (aleat+rias) definidas a seguir1
L I >itmo de atendimento
0A I 0empo de atendimento
NKer$ de ser&id$res 7#8: Guantidade de servidores que
atendem aos clientes%
Dis#i%lin"s d"s 'il"s: 0rata,se de uma regra que define qual
o pr+'imo a ser atendido e o comum que o primeiro da fila
atendido ou! de uma maneira mais ampla! Mo primeiro em
chegar o primeiro a ser atendidoN (em ingls! diz,se FIFO1
First in, first out)% Outras disciplinas podem podem e'istir!
tais como M-ltimo a chegar primeiro a ser atendidoN (em
ingls diz,se OK<O1 Oast in! first out)! servio por ordem de prioridade! servio rand=mico
(atendimento aleat+rio)! etc% Portanto! uma caracter(stica do cliente pode definir sua prioridade
de atendimento%
T""n,$ :di$ e *i$ d" 'il" 7TF8: Guando os clientes devem esperar! alguma "rea de
espera deve e'istir (por e'emplo1 as cadeiras de uma barbearia)% O 0amanho Ddio da <ila
representa o n-mero de clientes que esperam para ser atendidos ou a mdia que permanecem na
fila%
Observa,se que! os diversos sistemas e'istentes s$o dimensionados para uma certa quantidade
m"'ima de clientes em espera (0amanho D"'imo de <ila) e que se um novo cliente que chega
ultrapassar esta quantidade m"'ima pode ser recusado! devendo tentar novamente em outro
instante (e'emplo1 tentativa de conseguir linha telef=nica)%
4endo I >itmo de chegada e L I >itmo de atendimento! observa,se que se P e L s$o constantes
IJ o tamanho da fila oscila em torno de um valor mdio% 4e L Q P a fila aumentar"
indefinidamente%
Te%$ :di$ de es%er" 7TF8: &sta outra caracter(stica capaz de nos causar irrita$o quando
estamos em uma fila de espera% >epresenta o tempo mdio de espera na fila para ser atendido e
tambm depende dos processos de chegada e atendimento1
0< I f (P! L )
V"ri&eis "le"!Lri"s: Guando nos referimos a filas! utilizamos vari"veis rand=micas
(aleat+rias)! assim para as principais vari"veis e'iste um
valor mdio e uma distribui$o de probabilidades% :omo
um e'emplo! a figura a seguir ilustra o tempo de chegada
que segue uma distribui$o uniforme e ela pode ser
encontrada mediante um n-mero aleat+rio ou probabilidade
definida%
DinDi#" de )" 'il": Kmagine,se agora comodamente
instalado em uma poltrona dentro de um banco! com a
finalidade de observar o funcionamento da fila formada
por pessoas que desejam realizar o financiamento de
um ve(culo%
:hegada1 Bo per(odo de media hora voc verificou que chegaram ao sistema (banco) 6? pessoas%
Os in!er&"l$s en!re #,eg"d"s! a partir do instante zero! foram coletados em minutos e estes se
encontram definidos na tabela a seguir%
1 1 1
0 1 & 3 ' ( ) * 8 + 10 11 1& 13 1' 1( 1) 1* 18 1+ &0 &1 && &3 &' &( &) &* &8 &+ 30 31
1 & 3 ' ( * 8 + 10 11 1&
)
0
Clientes
chegando
Tempo
nter!alos ( ( ' & & 3 3 3
A linha intervalo representa a freqHncia de chegada dos clientes% A linha momento representa o
instante de chegada do novo cliente! obtido a partir de acumulaes da linha intervalo acrescido
de 6 apenas no primeiro cliente! para significar o inicio do pr+'imo intervalo de tempo% Assim o
primeiro cliente chegou no in(cio do R
o
minuto! o segundo a partir do S
o
se'to minuto% (marcado
no rel+gio)%
O valor mdio dos intervalos acima ?!T minutos e! portanto! o sistema acima funcionou com
um ritmo mdio de ?@ chegadas por hora% Ou seja1
P I ?@ clientes por hora
K: I ?!T minutos
Atendimento
Por outro lado! os dados anotados para cada atendimento se encontram na tabela a seguir%
O valor mdio dos dados acima ?!8 minutos e! portanto! podemos dizer que o servidor tem
uma capacidade de atender R8 clientes por hora%
L I R8 clientes por hora
0A I ?!8 minutos
0empo de espera de cada cliente1
<inalmente o sistema funcionou conforme a tabela a seguir%
1 1 1
0 1 & 3 ' ( ) * 8 + 10 11 1& 13 1' 1( 1) 1* 18 1+ &0 &1 && &3 &' &( &) &* &8 &+ 30 31
1 & 3 ' ( * 8 + 10 11 1&
)
1 & 3 ' ( ) * 8 + 10 11 1& Clientes sendo atendidos
0 0 0 0 1 & 3 1 & 1 1 & 3 ' 1 & 1 & 3 1 1 & 3 "ura#o $T% &'
( ( ) ( ( 1 & 3 1 & 3 1 & 3
1 & 3 ' 1 & 3 ' 1 1 &
Tempo na *ila
& 3 3 3
0
Clientes chegando
Tempo
nter!alos ( ( ' &
Ueja que por e'emplo o quinto cliente (vermelho na figura superior) chegou ao banco no in(cio
do 6VW minuto e seu atendimento durou R minutos (portanto encerrou no final do 67
o
minuto)% O
se'to cliente (ro'o) chegou ao banco simultaneamente com o quinto cliente no 6V
o
minuto e!
ent$o! esperou na fila at completar o atendimento do quinto cliente (R minutos)! o que ocorreu
no final 67
o
minuto% &nt$o no in(cio do ?8
o
minuto! foi iniciado o atendimento do se'to cliente!
que se estendeu at o final do ?6
8
minuto% O stimo cliente (cinza) chega no minuto 69
o
e fica
durante @ minutos aguardando na fila! at ser atendido no minuto ??% A tabela a seguir ilustra
esta din2mica das filas%
0otal de clientes atendidos1 6?
0empo Ddio de <ila (0D<)1 (RX@XRX6XRX?)/6? I 6S/6? I 6!RR minutos
Sis!e"s es!&eis: 4istema est"vel aquele em que P e L se mantm constantes ao longo do
tempo% 4e P e L s$o est"veis! a an"lise do comportamento do sistema pela teoria das filas s+
poss(vel se retalharmos o per(odo de tempo! o que torna a an"lise muito mais comple'a%
T""n,$ d" "$s!r":
Cm estudo sobre um sistema est"vel! apresentar" sempre os mesmos resultados desde que
adequadamente analisado% O tamanho da amostra fundamental%
Ti%$s de 'il"s:
6 fila e 6 servidor
6 fila e n servidores
m filas e n servidores
filas especiais (e'1 cai'as e'pressos de supermercados)
filas que seguem uma altera$o din2mica do sistema de atendimento
A seguir uma ilustra$o da fun$o de distribui$o de probabilidade Poisson que registra o
n-mero de ocorrncias sobre um intervalo de tempo%
)istribui$o &'ponencial Begativa1
Guando um processo de chegada possui um ritmo que segue Poisson! o intervalo entre chegadas
segue uma distribui$o e'ponencial negativa%
=(M LOCALIZAO DAS VARIVEIS RANDNMICAS 7ALEATORIAS8
A seguir a localiza$o das vari"veis considerando o sistema apresentado na figura! em situa$o
est"vel! na qual clientes chegam e entram na fila e! e'istem c servidores para atend,los%
Uari"veis referentes ao 4istema
TSI0empo Ddio de Permanncia no 4istema
NSIBumero Ddio de :liente no 4istema
Uari"veis referentes ao Processo de :hegada
I ritmo mdio de chegada
ICIintervalo mdio entre chegadas
Por defini$o ICP=Q
Uari"veis referentes * <ila
TFI tempo mdio de permanncia na filaA
NFIB-mero Ddio de :lientes na <ila
Uari"veis >eferentes ao Processo de Atendimento
TAI0empo Ddio de Atendimento ou de 4ervio
#IGuantidade de atendentes
NAIB-mero Ddio de :lientes que est$o sendo atendidos
I ritmo mdio de atendimento de cada atendente% Por defini$o1 0AI 6/
Rel"34es ;si#"s
NS P NF R NA (B-mero mdio de clientes no sistema)
TS P TF R TA (0empo mdio de permanncia no sistema)
Pode,se demonstrar tambm que1 BAI/ I 0A/K: (n-mero mdio de clientes que est$o sendo
atendidos)% Portanto1 NSPNFRNAPNFRQPNFRTAQIC
0a'a de Ctiliza$o dos Atendentes
Para o caso de Muma fila/um atendenteN PQ
Para o caso de Muma fila/v"rios atendentesN PQ#! onde McN o n-mero de atendentes
Kntensidade de 0r"fego ou B-mero m(nimo de Atendentes iP SQS P STAQICS onde1
i o pr+'imo valor inteiro (absoluto)! que representa o n-mero m(nimo de
atendentes necess"rio para atender a um dado flu'o de tr"fego (e'emplo1 P/L I ?!T A i I R
MerlangsN! em homenagem a A% ;% &rlang)%
FLr)l"s de Li!!le: Oittle demonstrou que! para um sistema est"vel de filas! aplica,se sempre
que o n-mero de chegadas igual ao n-mero de sa(das (denominado sistema em equil(brio)%
3% )% :% )emonstrou que para um sistema est"vel de filas! temos1
NF P (TF 7 O nKer$ :di$ de #lien!es n" 'il" : ig)"l "$ ri!$ de #,eg"d" )l!i%li#"d$
%el$ !e%$ :di$ de "!endien!$ 8
NS P (TS 7O nKer$ :di$ de #lien!es n$ sis!e" : ig)"l "$ ri!$ de #,eg"d"
)l!i%li#"d$ %el$ !e%$ :di$ de %er"nTn#i" n$ sis!e" 8
Res)$ d"s F$r)l"s
A tabela a seguir apresenta um resumo das formulas estudadas at agora%
P$s!)l"d$s ;si#$s: A seguir s$o apresentados alguns postulados b"sicos que se aplicam aos
sistemas de fila%
E*e%l$ =1
&m uma f"brica observou,se o funcionamento de um dado setor! em que I?8 clientes por hora!
I?T clientes por hora e 04 I 8!R hora% Pede,se o tamanho mdio da fila%
4olu$o1
0A I 6/L I 6/?T I 8%8@ Yoras
0< I 04 F 0A I 8!R , 8!8@ I 8!?S Yoras
B< I PZ0< I ?8Z8!?S I T!? clientes
E*e%l$ A:
Para o mesmo sistema acima! calcular B4 e BA
4olu$o1
B4 I PZ0< I ?8Z8!R I S clientes
BA I B4 F B< I S F T!? I 8!9 cliente
E*e%l$ M1
&m uma minera$o! cada caminh$o efetua um ciclo onde carregado de minrio por uma das
carregadeiras! desloca,se para o britador para o descarregamento e retorna *s carregadeiras%
Uerificou,se que o tempo mdio (04) dos caminhes junto as carregadeiras de 6? minutos e
que! em mdia! e'istem S caminhes (B4) no setor% Gual a ta'a de chegada de caminhes[ (veja
figura a seguir a ilustra$o dos caminhes na minera$o)%
S$l)30$1
:onsiderando o espao do britador como o
sistema de estudo e pela lei de Oittle1
B4 I %04 ou IB4/%04
I S/6? I 8!T chegadas por minuto
=(M(=1 Pr$;le"s de De#is0$ e Sis!e"s de Fil"s
Pr$Ie!$ , 4istema deve ter algumas caracter(sticas desejadas1 escolher o n-mero de servidores!
qual o tamanho m"'imo admiss(vel para a fila! qual a disciplina de atendimento adequada%%%
C$n!r$le , :omo e quando alterar as caracter(sticas b"sicas do sistema de forma a otimizar
algum critrio econ=mico de interesse%
Uari"veis comumente observadas , tamanho da fila ou a quantidade de trabalho acumulado por
e'ecutar pelos servidores%
:ustos comumente envolvidos , custo de espera (cliente)! custo do atendimento (servidor)! custo
de perda de clientes em potencial! custo de ociosidade do servidor%
)ecises poss(veis , fechar o sistema para novos clientes e/ou acelerar o atendimento%
I%$r!"n!e: n" i%$ssi;ilid"de de se desen&$l&er $del$s "!e!i#$s %"r" si!)"34es
#$%le*"s re#$end"1se $ )s$ d" !:#ni#" de Si)l"30$ de Sis!e"s(
=(M(A1 Pr$#ess$s de N"s#ien!$ e M$r!e 7P1N1M8:
&stado do sistema I n-mero de clientes no sistema I n
Nascimento representa entrada de cliente no sistema%
Morte representa sa(da de cliente do sistema%
P,B,D1 chegadas e atendimentos aleat+rios! e Pn e Ln dependem apenas do estado do sistema%
=(U1 NOVES DE PROCESSOS ESTOCSTICOS E CADEIAS DE MARWOV
=(U(=1 Pr$#ess$ Es!$#s!i#$
+o sequ,ncias de n-meros aleat.rios gerados pela leis pro/a/il0sticas% & pala!ra estoc1stico uma
pala!ra de origem grega que significa aleat.rio ou sorte
De'ini30$: Processo &stoc"stico uma cole$o de vari"veis aleat+rias inde'adas por
um par2metro t \ > (entendido como tempo)%
EPX E7!>8< E7!=8< E7!A8<(((<E7!n8Y
A vari"vel aleat+ria 5(t) definida em um espao denominado de espao de estados%
23emplos de 4rocessos 2stoc1sticos
5 Consideremos uma sequ,ncia de dias t(, t),6 e os !alores 7$ti' da reser!a de produ#o nesses dias%
7$ti' uma sequ,ncia de !ari1!eis aleat.rias, e a sequ,ncia ordenada da reser!a de produ#o
pode ser considerada como um processo estoc1stico%
5 Consideremos o estado de um grupo numa central trmica%
+uponhamos que num instante a unidade est1 funcionando% 2ste acontecimento pode ser
representado como 7$t'8(
+e a unidade esti!er a!ariada, o acontecimento pode ser representado por 7$t'80
7$t' um processo estoc1stico
9m processo estoc1stico permite responder 1s perguntas:
;ual a distri/ui#o de pro/a/ilidades da !ari1!el aleat.ria 7n<
;ual o n-mero mdio de !e=es em que o sistema se encontra num dado estado<
;ual o tempo mdio entre duas !isitas a um dado estado<
>o e3emplo da reser!a do sistema de produ#o podemos querer sa/er qual o n-mero mdio de dias
em que a reser!a do sistema de produ#o no suficiente para alimentar a ponta do diagrama de
cargas%
:lassifica$o dos Processos &stoc"sticos1
a) &m rela$o ao estado1
] &stado discreto (cadeia) F se 5(t) definido sobre um conjunto enumer"vel ou
finito%
] &stado cont(nuo (seqHncia) , 5(t) caso contr"rio
;8 E rel"30$ "$ !e%$:
] 0empo discreto F se t finito ou enumer"vel%
] 0empo cont(nuo F caso contr"rio%
&'emplos 61
6% B-mero de usu"rios em uma fila de banco em um determinado instante1 &spao
discreto e tempo cont(nuo%
?% ^ndice pluviomtrico em cada dia do ms F estado cont(nuo e tempo discreto%
R% B-mero de dias que choveram em cada ms do ano F estado discreto e tempo
discreto%
Processos &stoc"sticos &stacion"rios F mantm seu comportamento din2mico
invariante no tempo%
Processos &stoc"sticos Kndependentes F se os valores de 5(t) s$o independentes! isto ! o valor
assumido por 5(tj) n$o depende do valor assumido por 5(ti) se i_j%
Pr$#ess$ de M"r/$&! chamado de Mmemor`lessN! um processo estoc"stico em que o pr+'imo
estado depende apenas do estado atual% A defini$o formal 1
Propriedade MDemor`lessN1
D6) As informaes de estados passados s$o irrelevantesA
D?) O tempo que o processo est" no estado atual irrelevante%
Processo de Poisson aB(t)b! define a contagem de um evento no intervalo (8! tc%
=(U(A1 C"dei" de M"r/$&
& cadeia de Mar?o! um caso particular de um processo estoc1stico, quando os estados anteriores no
so rele!antes para as predi#@es dos estados seguintes, desde que o estado atual seAa conhecido%
2m matem1tica, a cadeia de Mar?o! um caso particular de processo estoc1stico com estados discretos
$o parBmetro, em geral o tempo, pode ser discreto ou cont0nuo' e apresenta a propriedade Mar?o!iana,
chamada assim em homenagem ao matem1tico &ndrei &ndreye!ich Mar?o!% & defini#o desta
propriedade, tam/m chamada de mem.ria mar?o!iana, que os estados anteriores so irrele!antes
para a predi#o dos estados seguintes, desde que o estado atual seAa conhecido%
9ma cadeia de Mar?o! uma seqCencia 7(, 7), 7D, %%% de !ari1!eis aleat.rias% E escopo destas
!ari1!eis, isto , o conAunto de !alores que elas podem assumir, chamado de espa#o de estados, onde
7n denota o estado do processo no tempo n% +e a distri/ui#o de pro/a/ilidade condicional de 7nF( nos
estados passados uma fun#o apenas de 7n, ento:
onde 3 algum estado do processo% & identidade acima define a propriedade de Mar?o!%
9ma maneira simples de !isuali=ar um tipo espec0fico de cadeia de Mar?o! atra!s de uma m1quina
de estados finitos% +e !oc, est1 no estado y no tempo n, ento a pro/a/ilidade de que !oc, se mo!a
para o estado 3 no tempo n F ( no depende de n, e somente depende do estado atual y em que !oc,
est1% &ssim em qualquer tempo n, uma cadeia de Mar?o! finita pode ser caracteri=ada por uma matri= de
pro/a/ilidades cuAo elemento $3, y' dado por e independente do
tempo n%
23emplo
& m1quina de estado finito pode ser usado como uma representa#o de uma corrente de Mar?o!%
+upondo uma seqC,ncia independente de sinais de entrada id,ntica distri/u0dos, por e3emplo, s0m/olos
de um alfa/eto /in1rio $0 e (' escolhido por lances da moeda, se a m1quina esti!er no estado y no
tempo n, ento a pro/a/ilidade que mo!e para o estado 3 no tempo n F ( depende somente do estado
atual%
2stes tipos de cadeia de Mar?o! finitas e discretas podem tam/m ser descritas por meio de um grafo
dirigido, onde cada aresta rotulada com as pro/a/ilidades de transi#o de um estado a outro sendo
estes estados representados como os n.s conectados pelas arestas%
&ndrey Mar?o! o/te!e os primeiros resultados para estes processos em (G0H% 9ma generali=a#o para
espa#os de estados infinitos cont1!eis foi dada por Iolmogoro! em (GDH%
6%@%?%6, :adeia de Dardov,propriedades
E sistema pode ser descrito como estando num dos estados de um conAunto de estados +,
discretos, e3austi!os e mutuamente e3clusi!os%
&s mudan#as de estado so poss0!eis em qualquer inter!alo de tempo%
& pro/a/ilidade de sa0da de um estado depende somente do estado atual%
& pro/a/ilidade de dois ou mais acontecimentos acorrerem durante um inter!alo de tempo
infinitesimal despre=0!el%
>um processo estoc1stico estacion1rio temJse ento que:
& sequ,ncia aleat.ria constitui um processo de Mar?o! se a pro/a/ilidade condicionada
depender somente dos !alores de in e i n Z 1, ou seAa
+upondo 3$t' como um processo de Mar?o!, i e A como estados, a e3presso que d1 a pro/a/ilidade de
transi#o do estado i para o estado A, durante o inter!alo de tempo t, t F Kt
+e esta pro/a/ilidade for constante ao longo do tempo, o processo dito homog,neo no tempo%
=(U(M1 C"dei"s de M"r/$& e Te%$ Dis#re!$
Para especificar uma :adeia de Dardov em tempo discreto! define,se1
6% &spao de estados 4 finito ou enumer"vel%
?% Probabilidade do estado inicial p
8
(') I Pe5
8
I ' c para '4%
R% Probabilidades de transies nos instantes 6! ?! %%%! d%
P('f! ') I Pe5
dX6
I'f g 5
d
I'c onde ' o estado atual e 'f o pr+'imo estado%
4endo 4 o conjunto de estados finito ou enumer"vel! iremos substituir 4 por n-meros
inteiros! isto ! 4Ia8! 6! ?! %%%b%
R%6 Probabilidades de 0ransi$o
Datriz P I (pij) definida como pij(d) h Pe 5
dX6
I j g 5
d
I i c sendo que ipij(d) I 6 para todo i!j
4! nos instantes 6! ?! %%%! d%
&'emplo ?1 An"lise de chamadas telef=nicas nos slots de tempo inde'ados por dI8! 6!?! %%%
a) 4omente uma chamada pode ocorrer em um slot sendo j a probabilidade de ocorrncia de uma
chamada no slot%
b) 4e a linha est" ocupada a chamada perdida%
c) A probabilidade de uma chamada ser completada em um slot p%
d) 4e uma chamada chegar no mesmo slot em que uma chamada se completa! a nova
chamada processada%
)iagrama de estados1
Datriz P de probabilidade de transi$o1
&'emplo Ra1 O tempo em uma "rea classificado como M4olN! MBubladoN ou M:huvaN
em um determinado dia% 5
d
o estado do tempo no dia d! dI6! ?! %%%%
Datriz P de probabilidade de transi$o1
Datriz P de probabilidade de transi$o1
Exemplo 3b) :onsidere,se o modelo de Dardov com R estados! para descrever de um
modo simplificado o estado do tempo e>abiner(97)c% Beste modelo! cada estado corresponde *
observa$o! uma vez por dia! das seguintes condies atmosfricas1
&stado 61 )ia chuvosoA &stado ?1 )ia nubladoA &stado R1 )ia com solA
Assumindo que o estado do tempo num dia apenas depende do estado do tempo no dia anterior e
que a matriz de transi$o de estados dada por1
obtm,se a seguinte cadeia de Dardov! ilustrada na figura abai'o1
Admitindo que o tempo num determinado dia de sol (estado R)! pode perguntar,se! por e'emplo!
qual a probabilidade de os V dias seguintes serem dias de sol,sol,chuva,chuva,sol,nublado,sol% 4e
definirmos a sequncia de observaes O correspondente * sequncia de estados a4R! 4R! 4R! 46! 46!
4R! 4?! 4Rb! a probabilidade da sequncia O dado o modelo dada por1
=(U(U Pr$;";ilid"de de Es!"d$s
:onsiderando,se os instantes dI8! 6! ?! %%% ! as probabilidades dos estados j I 8! 6! ?!%%%
s$o definidas como

,
$?' 8 4L7
-
8 AM
$?' I e
0
$?'!
1
$?'!
&
$?'%%%c o vetor de probabilidades nos estados 8! 6! ?! %%%
nos instantes dI8! 6! ?! %%%
Cma cadeia de Dardov em tempo discreto definida por1
a) P que a matriz de probabilidades de transi$o e
b) $?' I e
0
!
1
!
&
%%%c que o vetor de probabilidades dos estados 8! 6! ?! %%%! no instante d%
Os vetores de probabilidades de estado $(', $)', %%%, $?' s$o calculados como1
$(' 8 $0 ' 4
$)' 8 $0 ' 4)
$D' 8 $0 ' 4D
%%%
$?' 8 $0 ' 4? para ? 8 (, ), 6
Botar que os estados podem ser infinitos%
=(U([ Cl"ssi'i#"30$ d$s Es!"d$s
6% Cm estado j alcan"vel de um estado i se piA
n
N 0 para algum nI 6!?!%%%
Um estado j dito ser acessvel de um estado diferente i (escrito i j) se, dado que ns
estamos no estado i, h uma !ro"a"ilidade n#o$%ero que em al&um dia no futuro, ns estejamos
no estado j'(
?% Cm subconjunto +O de estados de + fechado se piA8 0 para i +O e A +%
R% Cm estado i absorvente se +O8 P i Q fechado%
Cm estado i dito a #$)ni#"d$r com estado j (escrito i k j) se for verdadeiro que ambos se
comunicam! ou seja! i acess(vel de j e tambm j acess(vel de i% Cm jogo dos estados 4 dito
#$)ni#"d$r se cada par dos estados dentro de 4 comunicam,se com outro! e nenhum estado
dentro 4 comunica,se com outro estado fora de 4% (4e pode mostrar que uma comunica$o neste
sentido rela$o de equivalncia)% Cma classe comunicando,se 'e#,"d" se a probabilidade de
dei'ar a classe for zero! sabendo,se que se i est" dentro de ) mas j n$o est"! ent$o j n$o
acess(vel de i%
@% Cm conjunto fechado +O irredut(vel se A alcan"vel a partir de i para todo
i!A+O%
M0odo estado pode ser alcanado a partir de qualquer outro estado%N
&'emplo @1
Os estados ? e R formam um conjunto fechado e irredut(velA o estado @ absorvente e a cadeia
redut(vel%
T% Cm estado i recorrente se li I6 dadas as definies a seguir1
=([1 Pr!i#"s e A%li#"34es
In!r$d)30$
&m atividades industriais! comerciais e humanas! bem como em fen=menos naturais! uma alto
grau de incerteza est" sempre presente% Portanto! modelos matem"ticos probabil(sticos! como o
processo de Dardov6! que permitam uma previs$o estimada do futuro! s$o bastante -teis na
tomada de decis$o(Eoldrini! 6798)%
)",se o nome de processo de Dardov a um dado fen=meno que possa ser classificado em estados
finitos e discretos! e cuja probabilidade de transi$o entre tais estados! num intervalo de tempo
tambm discreto! dependa apenas do estado corrente e do estado seguinte?% m seqHncia de
estados seguindo este processo d",se o nome de cadeia de Dardov(4hamblin! 67V7)%
&stas definies podem ser e'emplificadas por fen=menos sociais% 4uponha a e'istncia de trs
poss(veis classificaes sociais para um indiv(duo de uma popula$o1
classes A! E e :% 0m,se a( trs estados discretos! ou seja! n$o h" meio termo entre as classes% A
probabilidade de um indiv(duo sair da classe : e ir para a classe E pode ser determinada por
estudos estat(sticos que observem a ta'a de indiv(duos que! ao longo de um determinado per(odo!
migram entre estas classes% 0m,se a( um Processo de Dardov%
Oogo! a transi$o destes indiv(duos entre as classes constitui uma :adeia de Dardov%
Para o entendimento de cadeias de Dardov e suas aplicaes! essencial o conhecimento dos
conceitos1 diagrama de transi$o! vetor de probabilidade! matriz de transi$o! cadeia erg+tica!
cadeia regular! e regime estacion"rio%
Di"gr"" de !r"nsi30$
O diagrama de transi$o uma representa$o gr"fica de uma :adeia de Dardov% Beste diagrama
s$o visualizados os estados (representado por c(rculos)! as transies (representadas por arcos) e
as probabilidades das transies% neneralizando! pode,se representar os estados e as
probabilidades de transi$o! respectivamente! por &i e pij! onde i e j s$o um (ndices que
identificam os v"rios estados poss(veis (logo pij a probabilidade de haver uma transi$o do
estado &i para o estado &j)% A partir desta generaliza$o! pode,se desenhar um diagrama!
conforme a <igura 6 abai'o1
Figura 1 : Diagrama de Transio
Ve!$r de %r$;";ilid"de
O vetor de probabilidade contm as probabilidades de transi$o de um estado para outros estados
em um intervalo de tempo discreto% A generaliza$o do vetor de probabilidade dada por1
Onde pij indica a probabilidade de haver transi$o do estado &i para o estado &j! pid indica a
probabilidade de haver transi$o do estado &i para o estado &d! e pil indica a probabilidade de
haver transi$o do estado &i para o estado &l% A soma dos elementos de um vetor de
probabilidade sempre ser" igual a 6%
Ctilizando o e'emplo das classes s+cio,econ=micas! um estudo estat(stico pode ter determinado
que nula a probabilidade de um indiv(duo na classe : ir diretamente para a classe A! a
probabilidade de ir para a classe E ser 8!6! e a de continuar na classe : ser 8!7% Oogo! o vetor de
probabilidade de um indiv(duo na classe : ser"1
A <igura ? a seguir ilustra estas o diagrama de transi$o para estas probabilidades%
&ste diagrama apresenta apenas as transies cujas probabilidades s$o conhecidas% Bote que n$o
h" um arco representando a transi$o de : para A! uma vez que h" probabilidade nula de esta
transi$o ocorrer%
Figura 2: Diagrama de Transio parcial do exemplo de classes scio-econmicas
Cma vez que todas as probabilidades sejam conhecidas! poss(vel montar um diagrama
completo para este e'emplo% :onsiderando os vetores de probabilidade dos estados A e E
e'ibidos a seguir! tm,se o diagrama de transies completo! conforme a <igura R1
A
Figura 3 : Diagrama de Transio completo do exemplo de classes scio-econmicas
M"!ri2 de Tr"nsi30$
Para cada estado deve haver um vetor de probabilidade% m
uni$o de todos os vetores de probabilidade em uma matriz d",
se o nome de matriz de transi$o% &sta matriz sempre ser"
quadrada(Eoldrini! 6798) ou seja! o n-mero de linhas e colunas
ser" sempre equivalente% A seguir e'ibido um modelo
genrico desta matriz1
Onde o elemento pij! conforme j" citado anteriormente! indica a probabilidade de haver transi$o
do estado &i para o estado &j%
Bo e'emplo das classes sociais! considerando os vetores de probabilidade das classes A! E e :
respectivamente! e8!R 8!T 8!?c! e8!? 8!R 8!Tc e e8 8!6 8!7c tm,se a seguinte matriz de transi$o%
Besta matriz! o elemento p?R! que equivale a 8!T! indica a
probabilidade 8!T de
haver transi$o do estado &E para o estado &:% Outra
interpreta$o poss(vel transformar
estas probabilidades em percentagens e consider",las
como ta'as de transi$o da
popula$o em estudo% Por e'emplo! p?R I 8!TI T8o! indica que! em um dado momento!
T8o da popula$o no estado &E pode passar para o estado &:%
De!erin"30$ de %r$;";ilid"des ')!)r"s
O vetor de probabilidade e a matriz de transi$o s$o -teis na determina$o de probabilidades ao
longo do tempo (4hamblin! 67V7)% Para tanto! temos a seguinte equa$o1
onde
p U um vetor de probabilidadeA
p t o per(odo para o qual se quer obter a probabilidadeA
p i (ndice do estado a partir do qual se quer fazer a previs$oA
p D a matriz de probabilidade%
O vetor resultante desta equa$o ( Ui t ) conter" as probabilidades de transi$o de um estado &i
ap+s um per(odo t%
Por e'emplo! caso se queira obter a probabilidade de um indiv(duo na classe E ir para a classe A
em trs anos! tm,se a seguinte equa$o e sua resolu$o1
O vetor V
B
M
Ie8!89@ 8!67S 8!V?c indica que um indiv(duo na classe E tm uma probabilidade de
8!89@ de estar na classe A ap+s trs anos% Assim como tem a probabilidade de 8!67S de continuar
na classe E! e uma probabilidade de 8!V? de estar na classe :%
Cma alternativa para esta equa$o utilizar um vetor identidade (Eoldrini! 6798)! cujo elemento
n$o nulo ser" a posi$o i! conforme e'ibido a seguir1
Oogo! podemos resolver o e'emplo anterior com esta equa$o alternativa! chegando ao mesmo
resultado%
Adotaremos esta equa$o ao longo do te'to devido a sua maior praticidade%
C"dei"s ergL!i#"s
Cm fen=meno em que haja probabilidade n$o nula de qualquer estado poder ser alcanado
atravs de uma ou mais transies a partir de qualquer outro estado constitui uma cadeia
erg+tica% &sta defini$o pode ser melhor entendida atravs de diagramas de transi$o%
A <igura @ a seguir! assim como a <igura R anterior! e'ibe uma cadeia erg+tica! pois qualquer
estado pode ser alcanado a partir de outro estado qualquer%
Figura 4: Diagrama de Transio de uma cadeia ergtica
3" na <igura T seguinte trata,se de uma cadeia n$o,erg+tica! uma vez que o estado &R n$o pode
ser alcanado de modo algum%
Figura 5: Diagrama de Transio de uma cadeia no-ergtica
A <igura S tambm traz uma cadeia n$o,erg+tica! pois! uma vez no estado &R! n$o se pode ir
para nenhum outro estado% &ste -ltimo caso chamado de cadeia absorvente(4hamblin! 67V7)%
Figura : Diagrama de Transio de uma cadeia no-ergtica
A partir de uma matriz de transi$o! tambm pode,se determinar se uma cadeia erg+tica% Para
tanto! basta verificar se h" probabilidades nulas e se estas tornam algum estado inalcan"vel% 4e
n$o houver nenhuma probabilidade nula! certamente trata,se de uma cadeia erg+tica%
Por e'emplo! a seguinte matriz de transi$o erg+tica! pois! apesar de haver duas probabilidades
nulas! poss(vel chegar a estado em uma ou mais transies% Ksto pode ser verificado na <igura
V a seguir%
Figura !: Diagrama de Transio de cadeia ergtica
3" a pr+'ima matriz apresenta uma cadeia n$o,erg+tica% :onforme pode ser verificado na <igura
9 que! uma vez no estado E! imposs(vel chegar a outro estado%
Figura " : Diagrama de Transio de cadeia ergtica
#adeias $egulares
&m fen=menos cuja matriz de transi$o! em alguma potncia! n$o tenha elementos nulos! trata,se
de uma cadeia regular% 0oda cadeia regular tambm erg+tica! conforme poder" ser verificado
adiante%
A matriz a seguir possui um elemento nulo na primeira linha% Porm! a potncia D
?
n$o possui
nenhum elemento nulo% Oogo! trata,se de uma cadeia regular%
:onforme foi verificado na se$o M)etermina$o de probabilidades futurasN! uma potncia da
matriz de transi$o indica todas as probabilidades de transi$o em um momento futuro (por
e'emplo1 DR pode indicar uma matriz de transi$o no terceiro ano do fen=meno estudado)%
Oogo! se em uma potncia (ou seja! em um momento futuro) a matriz de transi$o n$o possui
elementos nulos! isto indica que! em algum momento! todas as transies ser$o poss(veis! logo a
cadeia erg+tica%
3" as potncias das pr+'imas matrizes formam padres em que as probabilidades nulas n$o
desaparecem% Oogo! estas matrizes representam cadeias n$o regulares%
:omo estes padres se repetem indefinidamente! tais matrizes de transi$o nunca dei'ar$o de ter
elementos nulos! porm! isso n$o indica que se trata obrigatoriamente de uma cadeia n$o,
erg+tica! uma vez que h" cadeias erg+ticas n$o,regulares%
$egime estacion%rio
Para toda cadeia erg+tica regular e'iste um regime estacion"rio! onde as probabilidades de
transi$o se tornam constantes ao longo do tempo% &m uma cadeia em regime estacion"rio! a
probabilidade de transi$o baseada apenas no pr+'imo estado! e n$o mais no par estado
corrente/pr+'imo estado%

:onsiderando a representa$o genrica de D e a representa$o do vetor q! pode
ser reescrito da seguinte forma1
Anlise de Es!"d$ Es!&el 7-S!e"d\ S!"!e.8:
4e e'istir o limite

ent$o q I eq8! q6!%%%c o vetor de probabilidade de estados estacion"rios%


! 4e reduz a . = 0
0eorema1 &m uma cadeia de Dardov irredut(vel e cont(nua no tempo! com estados recorrentes
positivos! e'iste um -nico vetor de probabilidades q I eq8! q6!%%%c (tal que qj J 8) de estados
estacion"rios e
A partir da resolu$o deste sistema! atravs de mtodos lineares (Eoldrini! 6798)! poss(vel
obter as probabilidades em regime estacion"rio% Uoltando ao e'emplo das classes sociais! pode,
se encontrar o vetor de transi$o do regime estacion"rio a partir do sistema a seguir1
>esolvendo este sistema! tm,se como resultado o vetor de probabilidade1
A partir destes resultados! pode,se fazer as afirmaes1
6% A longo prazo! a probabilidade de um determinado indiv(duo estar na classe A de 8!8@% A
probabilidade de estar na classe E 8!6@S e 8!96? de estar na classe :A
?% A longo prazo! @o da popula$o estar" na classe A! 6@!So na classe E e 96!?o na classe :%
&stas afirmaes! referentes ao regime estacion"rio! s+ podem ser feitas se o fen=meno estudado
se tratar de uma cadeia erg+tica regular% :aso se trate de uma cadeia erg+tica n$o,regular! a
primeira afirma$o n$o pode ser feita com segurana! uma vez que haver" elementos nulos
c(clicos na matriz de transi$o (4hamblin! 67V7)%
=(U O MODELO DE FILA MQMQ=
A nota$o de ;endall ()avid ;endall) define os modelos de fila1
Dodelo de fila AQ5Q#QWQQZ
onde1
A I distribui$o dos intervalos entre chegadas
E I distribui$o dos tempo de servio
c I quantidade de servidores (atendentes)
; I capacidade ma'% do sistema
m I tamanho da popula$o
r I disciplina da fila
A nota$o condensada A/E/c muito usada e se supe que n$o h" limite para o
tamanho da fila! a popula$o infinita e a disciplina <K<O% Para A e E! quando a distribui$o
for e'ponencial negativa! usa,se D (Darcoviana)%
Dodelo de fila que tanto as chegadas quanto o atendimento s$o marcovianos! i%e%!
seguem a distribui$o de Poisson (p/ ritmos) ou &'ponencial negativa (p/ intervalos)% Alm
disso! e'iste apenas um servidor%
P$%)l"30$ In'ini!": O M$del$ MQMQ=
Guando temos uma popula$o infinita de clientes! as seguintes f+rmulas tratam as
principais vari"veis%
:hamamos de 0A5A de C0KOKrAstO a rela$o entre o ritmo mdio de chegada e o ritmo
medo de atendimento%
l I P / L
:onforme vimos anteriormente! sistemas est"veis e'igem P menor que L
ou l Q 6% Guando l tende para 6 a fila tende a aumentar infinitamente! conforme mostramos a
seguir%
A e'press$o anterior nos permite concluir facilmente que! se P I L temos l I 6 e o tamanho da
fila infinito! conforme ilustrado na figura a seguir%
E*e%l$ =
4uponhamos que as chegadas a uma cabine telef=nica obedeam a lei de Poisson! com ritmo de
] #,eg"d"s %$r ,$r"% A d)r"30$ :di" d$ !ele'$ne" : de M in)!$s e suponhamos que siga
a distribui$o e'ponencial negativa% Pede,se1
0 R (0 (R )0 )R D0 DR S0 SR R0 RR H0
1 2 3 4 5 6
Cada liga#o dura em mdia D min%
nter!alo de (h8H0min
C 8 (0 minutos
8H chegadas hora
T8 )0 atendimentosU hora
(0 (0 (0 (0 (0 (0
a) Gual a probabilidade de uma pessoa chegar * cabine e n$o ter que esperar[
Pelos dados temos1 ^P] #,eg"d"s ,$r"% Portanto K: I 68 minutos TA P M
in)!$s% Portanto LI ?8 atendimentos/ hora

Po I 6 F P/L I 6 F S/?8 I 8!V
Ou seja! e'iste uma probabilidade de V8o de que uma pessoa! ao chegar! n$o encontre ningum
no sistema e possa utilizar imediatamente o telefone% O complemento deste valo (R8o) significa
a probabilidade de uma pessoa esperar% Assim o telefone fica ocupado R8o do tempo e fica V8o
do tempo ocioso%
b) Gual o n-mero mdio de pessoas na fila[
B< I P
?
/ L(L,P) I (SZS)/(?8(?8,S)) I 8!6?9
c) Gual o n-mero mdio de pessoas no sistema[
B4 I P(L,P) I 8!@?9
d) Gual o n-mero mdio de clientes usando o telefone[
BA I B4 F B< I 8!@9 F 8!6?9 I 8!R
e) Gual o tempo mdio de fila[
0< I P / L(L,P) I S/?8(?8,S) I 8!8?6 hora I 6!?9 minutos
f) Para qual ritmo de chegada ter(amos a situa$o em que o tempo mdio de espera na fila seria
de R minutos[
0< I P / L(L,P)! para 0< I R minutos ou 0< I 8!8T hora e mantendo o mesmo LI ?8 clientes
hora! temos1 P I 0<Z L? / (6X LZ0<) I 68 chegadas/hora
g) Gual a fra$o do dia durante a qual o telefone est" em uso[
A fra$o do dia durante a qual o telefone est" em uso e'atamente igual a (6,Po)! isto ! a
probabilidade de que e'istam pessoas no sistema% :onforme calculado no primeiro item este
valor R8o%
E*e%l$ A
Cma f"brica possui um dep+sito de ferramentas onde os oper"rios v$o receber as
ferramentas especiais para a realiza$o de uma determinada tarefa% Uerificou,se que o ritmo de
chegada ( I 6 chegada/minuto) e o ritmo de atendimento(I6!? atendimentos por minuto)
seguem o modelo D/D/6% A f"brica paga u7!88 por hora ao atendente e u69!88 ao oper"rio%
Pede,se1
a) O custo hor"rio de sistema
O custo hor"rio do sistema igual a soma do custo hor"rio do atendente com o custo hor"rio dos
oper"rios que! por ficarem no sistema (na fila sendo atendidos pelo servidor)! n$o est$o
produzindo em seus postos de trabalho% Para calcularmos este -ltimo devemos conhecer o
n-mero mdio de clientes no sistema (B4)%
B4 I P/(L , P) I 6/(6!? ,6) I T
Portanto1 :usto hor"rio I :usto atendente X :usto oper"rios I 7 X TZ 69 I u 77!88
b) A fra$o do dia em que o atendente n$o trabalha%
A fra$o do dia durante a qual o atendente n$o trabalha igual ao valor da probabilidade de n$o
e'istir nenhum oper"rio no sistema1
Po I 6 F P/L I 8!6S ou 6So
E*e%l$ M
Cma empresa deseja contratar um reparador para efetuar manuten$o em suas m"quinas! que
estragam a um ritmo de R falhas por hora% Para tal possui duas opes1 um reparador lento! que
capaz de consertar a um ritmo de @ falhas por hora ou um reparador r"pido! que capaz de
consertar a um ritmo mdio de S falhas por hora% O sal"rio/hora do reparador lento uR!88 e do
reparador r"pido uT!88% O custo de uma m"quina parada uT!88% Pede,se qual a contrata$o
que deve ser efetuada para que o custo total (reparador mais m"quinas paradas) seja m(nimo[
>eparador Oento
B4 I P/(L , P) I R/(@,R) I R m"quinas
:usto das m"quinas I RZ T I u 6T!88
:usto do reparador I u R!88
:usto total I u 69!88
>eparador r"pido
B4 I P/(L , P) I R/(S,R) I 6 m"quinas
:usto das m"quinas I 6Z T I u T!88
:usto do reparador I u T!88
:usto total I u 68!88
:omparando! vemos que o reparador r"pido! apesar de ter um custo maior! implica um custo
total menor%
E*e%l$ U
&m um sistema de filas seqHenciais! conforme figura a seguir! calcule as filas que se
formam em cada servidor%
Para encontrar o B< foi utilizada B< I P
?
/ L(L,P)
P$%)l"30$ 'ini!": O M$del$ MQMQ=QW
Cm caso particular e bastante encontrado na vida pr"tica% &'emplo! uma minera$o com 6
escavadeira e a alguns caminhes% :onsiderando I9 e I68% Ba seguinte figura ilustrado o
tamanho mdio da fila (calculado pela primeira f+rmula definida na tabela a seguir) em fun$o
do tamanho da popula$o de caminhes (se a popula$o fosse infinita! ter(amos B< I R!?)%
Ba tabela a seguir! v representa a quantidade finita de clientes que est$o percorrendo o sistema%

=([ O MODELO MQMQ#
O modelo D/D/c apresenta uma -nica fila e diversos servidores e! tanto a chegada como o
atendimento s$o marcovianos (isto ! seguem a )istribui$o de Poisson ou da )istribui$o
&'ponencial negativa)% A figura a seguir ilustra a estrutura deste modelo%
Para um sistema que tem a estrutura da figura a anterior s$o v"lidas as definies estudadas
anteriormente (P! L! K: I 6/P! 0A e c I capacidade de atendimento)%
P$%)l"30$ 'ini!": O M$del$ MQMQ#
As f+rmulas para o modelo D/D/c s$o comple'as e dif(ceis de serem manipuladas e! assim a
preferncia generalizada pelo uso de gr"ficos% A seguir uma ilustra$o destes gr"ficos%
neralmente s$o utilizados gr"ficos (como os ilustrados anteriormente) para se obter o
n-mero mdio de clientes na fila (B<) em fun$o do fator de utiliza$o e tendo como
par2metro a quantidade de servidores McN%
A ta'a de utiliza$o 1 l I P/cL
Ap+s o uso dos gr"ficos! as outras vari"veis podem ser obtidas pelas f+rmulas de Oittle1
0<IB</ e 04IB4/
A tabela a seguir apresenta as f+rmulas das diferentes vari"veis%
E*e%l$ =
Cma f"brica possui um dep+sito de ferramentas onde os oper"rios v$o receber as
ferramentas especiais para a realiza$o de uma determinada tarefa% Uerificou,se que o ritmo de
chegada ( I 6 chegada/minuto) e o ritmo de atendimento(I6!? atendimentos por minuto)
seguem o modelo marcoviano D/D/6% A f"brica paga u7!88 por hora ao atendente e u69!88 ao
oper"rio% Pede,se1 O custo hor"rio de sistema e a fra$o do dia em que o atendente n$o trabalha%
&ste e'emplo j" foi solucionado anteriormente e o resultado que deu foi que o custo
hor"rio de um sistema com um atendente (PI6 e LI6!?)! sendo u7!88 o custo hor"rio do
atendente e u69!88 o custo hor"rio do oper"rio parado% Podemos agora acrescentar diversos
atendentes at chegar ao custo m(nimo% Ksto feito na tabela montada a seguir! pelo qual
deduzimos que a melhor escolha reside em ? atendentes%
E*e%l$ A
Bo sistema de filas seqHenciais descrito na figura abai'o! admita que o ritmo de chegada tenha
crescido para I?T peas por minuto! calcule a quantidade de servidores de cada esta$o de
trabalho tal que o tamanho da fila correspondente (B<) seja menor que 6%
C$n#l)s0$1 A quantidade de servidores que atende * solicita$o 1
Produ$o I RA Knspe$o ? e >eparo I 6%
P$%)l"30$ 'ini!": O M$del$ MQMQ#QW
Analogamente as consideraes anteriores para a popula$o finita com um -nico
atendente! podemos afirmar que tambm aqui ocorre o mesmo1 comum encontrarmos situaes
de m-ltiplos atendentes com popula$o finita%
A tabela a seguir apresenta as f+rmulas das diferentes vari"veis%
0endo em vista a comple'idade matem"tica! n$o iremos nos estender nesta abordagem! a qual
pode! entretanto! ser vista com simplicidade na tcnica simula$o de sistemas que ser" abordada
no pr+'imo cap(tulo%
REFER_NCIAS
CVW*, L%X M2">&, &% ./0la10! 0 Si!2la3 /0 E40n$s Dis%50$s: T05ia 6 P5#$i%a, +o 4aulo:
Yra!arte, )00H%
*Z2T&+ *LVE, 4% [% In$5/23 7 !/0la10! 0 si!2la3 /0 sis$0!as,
*lorian.polis: \isual Yoo?s, )00]%
4Z&"E, +% V% T05ia /as filas 0 /a Si!2la3% Yelo Vori=onte:
"esen!ol!imento ^erencial, )00S%
+&LY_, 2% R0"0nsan/ a si!2la3: A a!s$5a10! /0s%5i$i4a% +o 4aulo:
&tlas, (G]G%