Texto e Exercicio Da Filas de Espera PDF

ADMINISTRAO DA FILA DE ESPERA nota tcnica 1
ADMINISTRAO DA PRODUO E OPERAES

para Vantagens Competitivas
11a edio
RICHARD B. CHASE
F. R O B E R T J A C O B S
NICHOLAS J. AQUILANO
Traduo
Claudia Freire
Lucas M. F. Yassumura
Monica Rosemberg
Reviso Tcnica
Digenes de Souza Bido
Mestre e Doutor em Administrao de Empresas pela FEA/USP
Docente do CCSA/Mackenzie e da FAC/FITO
Bangcoc Beijing Bogot Caracas Cidade do Mxico Cingapura

Londres Madri Milo Montreal Nova Delhi Nova York
Santiago So Paulo Seul Sydney Taip Toronto
nota tcnica
2 seo 2 SELEO E PROJETO DE PROCESSO
nota tcnica s e te
NOTA TCNICA 7
A DMINIS T RA O DA F I L A
D E ES PERA
Definio de filas
3 A Economia no Problema das Filas de Espera

Equilbrio custo-benefcio
Viso prtica das filas de espera
5 O Sistema de Organizao de Filas

Chegada dos clientes Definio do sistema de organizao de filas
Distribuio das chegadas Definio de taxa de chegada
O sistema de organizao de filas: fatores Definio de distribuio exponencial
Sada Definio de distribuio de Poisson
Definio de taxa de atendimento
12 Modelos de Fila de Espera
20 Clculo aproximado do Tempo de Espera do Cliente
23 Simulao Computadorizada das Filas de Espera
23 Concluso
O SISTEMA DE COBRANA DE PEDGIO

E-Z PASS, EM NEW JERSEY, UTILIZA UMA
ETIQUETA ELETRNICA INSTALADA NOS
CARROS. UMA ANTENA RECEPTORA
PRXIMA DAS CABINES FAZ A LEITURA
DESSA ETIQUETA, QUE PODE SER PR-PAGA
OU VINCULADA A UM CARTO DE CRDITO.
O E-Z PASS AUMENTOU A CAPACIDADE
DE COBRANA DE PEDGIO EM250% A
300% POR PISTA.
Compreender as filas de espera, ou simplesmente filas, e aprender como administr-las, uma das Filas
reas mais importantes na administrao de operaes. um elemento bsico para a criao de cro-
nogramas, projetos de trabalho, nveis de estoque e assim por diante. Na nossa economia de servios,
pegamos filas todos os dias desde quando dirigimos para o trabalho at quando passamos no caixa
do supermercado. Tambm encontramos filas de espera em fbricas as tarefas esperam em filas
para ser executadas em mquinas diferentes, e as prprias mquinas esperam sua vez para serem
inspecionadas. Em resumo, as filas de espera esto espalhadas por toda parte.
Nesta nota tcnica, discutiremos os elementos bsicos dos problemas relacionados s filas de espera e
apresentaremos frmulas para resolv-los, supondo o processo em equilbrio (estado estacionrio). Essas
frmulas, desenvolvidas por meio da teoria das filas, permitem que os planejadores analisem as exigncias
de servios e elaborem instalaes de servio adequadas s condies propostas. A teoria das filas abran-
gente o suficiente para cobrir esperas desiguais, como aquelas enfrentadas pelos clientes em um shopping
center ou um avio na fila de aterrissagem esperando a liberao de uma pista para pousar. Recentemente,
provedores de acesso Internet tiveram problemas para fornecer linhas telefnicas suficientes para os
assinantes se conectarem. Esse problema tambm pode ser analisado por modelos de filas.
A ECONOMIA NO PROBLEMA DAS FILAS DE ESPERA

O problema principal em praticamente toda situao de fila de espera uma deciso de
trade-off. O gerente precisa pesar o custo adicional de oferecer um servio mais rpido (mais pistas
de trfego, pistas de aterrissagem adicionais, mais caixas), em relao ao custo inerente da espera.
Geralmente, a deciso de trade-off referente a custos direta. Por exemplo, se percebemos que
o tempo total gasto por nossos funcionrios na fila, esperando para usar a copiadora, poderia, de Servio
outra forma, ser gasto em atividades produtivas, poderamos comparar o custo da instalao de outra
mquina considerando o valor do tempo do funcionrio que ser economizado. A deciso ficaria
reduzida ao valor em dinheiro e a escolha seria feita sem grandes dificuldades.
No entanto, suponha que o nosso problema de filas de espera esteja centrado na demanda por
leitos em um hospital. Podemos calcular o custo de camas adicionais somando os custos da constru-
o de uma nova ala, novos equipamentos necessrios e mais manuteno. Mas o que colocamos no
outro lado da balana? Aqui nos confrontamos com o problema de tentar fixar um valor em dinheiro
para a necessidade do paciente por um leito que no est disponvel. Apesar de conseguirmos estimar
a perda de faturamento do hospital, como fica a questo do custo humano que surge dessa falta de
atendimento hospitalar adequado?
EQUILBRIO CUSTO-BENEFCIO
A Figura NT7.1 mostra a relao essencial de trade-off sob condies tpicas (estado de equilbrio)
de trfego de clientes. Inicialmente, com capacidade mnima de servio, o custo da fila de espera
est no mximo. medida que a capacidade de atendimento aumenta, h uma reduo no nmero de
clientes na fila e nos tempos de espera, o que reduz o custo da fila de espera. A variao dessa funo,
Servio
em geral, representada por uma curva exponencial negativa. O custo de instalao de capacidade
de servio exibido de forma simplificada, como uma funo linear em vez de escalonada. O custo
agregado ou total demonstrado com uma curva em formato de U, uma aproximao comum nesses
tipos de problemas de equilbrio. O custo timo idealizado encontrado no ponto de cruzamento
entre as curvas de capacidade de servio e fila de espera.
VISO PRTICA DAS FILAS DE ESPERA

Antes de prosseguirmos com a apresentao tcnica da teoria das filas, til observar o lado intuitivo
da questo para enxergar o que significa. A Figura NT7.2 mostra chegadas em um estabelecimento de
servios (como um banco) e as exigncias de servios desse local (como caixas e gerentes). Uma vari-
vel importante o nmero de chegadas ao longo das horas em que o local permanece aberto. Do ponto
Servio
de vista da prestao do servio, os clientes demandam quantidades variveis de servio, geralmente
excedendo a capacidade normal. Podemos controlar as chegadas de diversas maneiras. Por exemplo,
podemos ter uma fila curta (como um drive-through em um restaurante fast-food com delimitao de
espaos), podemos estabelecer horrios especficos para determinados clientes ou oferecer promoes
especiais. Quanto ao prestador de servio, podemos modificar o tempo de atendimento utilizando
figura NT7.1 Trade-off Capacidade do Servio versus Fila de Espera

US$
Custo agregado
Mnimo
Custo Custo da capacidade

de servio
Custo da fila
de espera
Capacidade tima
Capacidade do estabelecimento de servio
figura NT7.2 Perfis de Chegada e Atendimento

Chegadas Exigncias do Servio
Nmero de Tempo do
chegadas servio
Capacidade
normal
Tempo Tempo
SUGESTES PARA A ADMINISTRAO DE FILAS

Vejamos a seguir algumas sugestes teis para a administrao de filas que 6 Treine os atendentes para que sejam simpticos. Cumpri-
transcendem os modelos quantitativos de filas de espera. mentar o cliente pelo nome, ou oferecer alguma ateno
especial, so atitudes que podem aliviar muito a sensao
1 Estabelea um tempo de espera aceitvel para seus clientes. Quanto
negativa de uma espera longa. (Dica: Em vez de simples-
tempo seus clientes esto dispostos a esperar? Trace objetivos operacio- mente recomendar aos atendentes que sejam simpticos,
nais com base no que seria aceitvel. psiclogos sugerem que se deve indicar ao atendente quais
2 Tente distrair seus clientes enquanto eles esperam. Msica, filmes ou so os momentos de recorrer a aes gentis especficas,
alguma outra forma de entretenimento podem ajudar a distrair os clien- como sorrir ao cumprimentar o cliente, ao tirar pedidos
tes e driblar o tdio. e ao retornar o troco [em uma loja de convenincia]. Testes
usando essas aes comportamentais especficas demons-
3 Informe os clientes o que tero de esperar. Isso particularmente traram melhoras significativas na percepo de simpatia dos
importante quando o tempo de espera for mais longo que o normal. atendentes, nas avaliaes dos clientes.)
Explique a eles por que o tempo de espera maior que o normal e o 7 Incentive os clientes a chegarem em perodos de mais
que voc est fazendo para que as filas andem mais rpido. folga. Informe aos clientes sobre as horas em que no cos-
4 Mantenha os funcionrios que no esto atendendo longe da vista tuma haver espera; informe tambm quais so os perodos
dos clientes. No h nada mais frustrante para algum em uma fila do de pico isso pode ajudar a aliviar o movimento.
que ver funcionrios, que potencialmente poderiam atender s pessoas 8 Assuma uma perspectiva de longo prazo para se livrar
na fila, fazendo outras atividades. das filas. Desenvolva planos para formas alternativas de aten-
der a seus clientes. Quando for apropriado, elabore planos de
5 Separe os clientes. Se um grupo de clientes precisa de algo que pode
automatizao e acelerao do processo. Isso no significa
ser feito rapidamente, forme uma fila especial para que eles no precisem que voc deva abolir a ateno personalizada; alguns clien-
esperar pelos clientes mais demorados. tes esperam isso.
FONTE: BASEADO EM KATZ, K. ET AL. PRESCRIPTION FOR THE WAITING-LINE BLUES. SLOAN MANAGEMENT REVIEW, P. 51-52, INVERNO 1991.
atendentes mais rpidos ou mais lentos, mquinas mais rpidas ou mais lentas, ferramentas diferentes,
materiais diferentes, layout diferente, preparao mais rpida e assim por diante.
O ponto essencial que as filas de espera no so uma condio fixa de um sistema produtivo,
mas esto em grande parte inseridas no controle de administrao e projeto do sistema. O professor
Richard Larson (o famoso observador de filas) e seus colegas propem idias teis para a adminis-
trao de filas em sua pesquisa realizada no setor bancrio. (Ver quadro intitulado Sugestes para a
Administrao de Filas.)
O SISTEMA DE ORGANIZAO DE FILAS

O sistema de organizao de filas consiste essencialmente em trs componentes prin-
cipais: 1. a populao de origem e a forma como os clientes chegam ao sistema; 2. o sistema de aten- Sistema de organizao de
dimento; e 3. a condio em que o cliente deixa o sistema (de volta populao de origem ou no?), filas
como vemos na Figura NT7.3. As sees a seguir descrevem cada um desses itens.
CHEGADA DOS CLIENTES

As chegadas em um sistema de servios podem ser originadas de uma populao finita ou infinita.
Essa distino importante, porque as anlises se baseiam em premissas diferentes e exigem equa- Servio
es diferentes para sua soluo.
Origem da
P o p u l a o F i n i t a Uma populao finita se refere ao grupo de tamanho limitado de clien- populao
tes que usar o servio e, em alguns momentos, formar uma fila. O motivo pelo qual essa classifica-
o finita importante que, quando um cliente deixa sua posio como integrante dessa populao
(por exemplo, uma mquina quebrada que necessita de servio), o tamanho do grupo de usurios Finita Infinita
reduzido em um, o que reduz a probabilidade de uma prxima ocorrncia. No entanto, quando um
figura NT7.3 Componentes de um Sistema de Filas
Sistema de Servio
Fila de espera Atendentes
Sada
Chegadas
de clientes
cliente atendido e retorna ao grupo de usurios, a populao aumenta e a probabilidade de um usu-

rio solicitar o servio tambm aumenta. Essa categoria finita de problemas requer um conjunto de
frmulas separado daquele usado no caso da populao infinita.
Como exemplo, considere um conjunto de seis mquinas cuja manuteno feita por um operrio.
Administrao Quando uma mquina quebra, a populao de origem reduzida para cinco, e a probabilidade de uma
de Operaes das cinco mquinas restantes quebrar e precisar de conserto certamente menor que quando seis mqui-
Interativa nas estavam em operao. Se duas mquinas param de funcionar, deixando apenas quatro em operao,
a probabilidade de outra quebrar muda novamente. No entanto, quando uma mquina conser-
tada e colocada de volta em funcionamento, a populao de mquinas aumenta, elevando assim
a probabilidade da prxima pane. Um modelo de populao finita com um atendente que pode
ser usado nesses casos apresentado nas Figuras NT7.8 e NT 7.10.
P o p u l a o I n f i n i t a Uma populao infinita grande o suficiente em relao ao

sistema de servio, de modo que o tamanho da populao resultante de subtraes ou adies
populao (um cliente que solicite um servio ou um cliente que j foi atendido retorna popu-
lao) no afeta significativamente as probabilidades do sistema. Supondo que na explicao
anterior sobre populao finita houvesse 100 mquinas em vez de seis, se uma ou duas mquinas
parassem, a probabilidade de ocorrncia das prximas panes no seria muito diferente, e a supo-
sio de que a populao (para todos os fins prticos) era infinita poderia ser feita sem grande
margem de erro. E nem as frmulas para problemas infinitos de organizao de filas gerariam
muito erro, se aplicadas a um mdico com 1.000 pacientes ou uma loja de departamento com
10.000 clientes.
DISTRIBUIO DAS CHEGADAS

Ao descrever um sistema de espera, precisamos definir a maneira pela qual os clientes ou as
unidades em espera so organizados para o atendimento.
OS USURIOS DO PROGRAMA FAST LANE DO PARQUE DE As frmulas de filas de espera normalmente requerem uma taxa de chegada ou o nme-
DIVERSES SIX FLAGS PODEM COMPRAR INGRESSOS EM
PAPEL SIMPLES OU UM DISPOSITIVO DE ALTA TECNOLOGIA
ro de unidades por perodo (como uma mdia de um a cada seis minutos). Uma distribuio
CHAMADO Q-BOT. OS Q-BOTS SO BEEPERS QUE de chegadas constante peridica, com exatamente o mesmo tempo entre chegadas suces-
SERVEM PARA FAZER RESERVAS VIRTUAIS DE LUGARES NAS sivas. Em sistemas produtivos, as nicas chegadas que realmente apresentam um perodo
FILAS. ELES VIBRAM E EMITEM UMA MENSAGEM DE TEXTO constante de intervalos so aquelas sujeitas ao controle de mquinas. As distribuies de
QUANDO CHEGA O MOMENTO DE IR AT O BRINQUEDO,
chegadas variveis (aleatrias) so muito mais comuns.
SEM PRECISAR ENFRENTAR HORAS NA FILA.
Observando as chegadas em um estabelecimento de servios, podemos analis-las por
meio de duas perspectivas: em primeiro lugar, podemos analisar o tempo entre as chegadas
Taxa de chegada sucessivas, para verificar se esses tempos seguem alguma distribuio estatstica. Costumamos partir
do princpio de que o tempo entre as chegadas distribudo exponencialmente. Em segundo lugar,
podemos estabelecer alguma durao de tempo (T) e tentar determinar quantas chegadas devem
ingressar no sistema dentro de T. Geralmente supomos que o nmero de chegadas por unidade de
tempo segue a distribuio de Poisson.
Distribuio Exponencial figura NT7.4
f(t)
D i s t r i b u i o E x p o n e n c i a l No primeiro caso, quando as chegadas a um estabelecimento

ocorrem de uma maneira puramente aleatria, uma demonstrao dos tempos entre chegadas gera uma
distribuio exponencial como a que vemos na Figura NT 7.4. A funo densidade de probabilidade Distribuio exponencial
[NT7.1] f (t) e-t
em que o nmero mdio de chegadas por perodo.

A rea cumulativa abaixo da curva da Figura NT 7.4 a integral da Equao (NT7.1) sobre seu
intervalo positivo, que et. Essa integral nos permite calcular as probabilidades de chegadas dentro
de um tempo especificado. Por exemplo, para o caso de chegadas nicas a uma fila de espera ( 1),
a seguinte tabela pode ser derivada seja pela soluo de et ou pelo uso do Apndice F. A coluna 2
mostra a probabilidade de que demorar mais que t minutos para a prxima chegada. A coluna 3 indica
a probabilidade de que a prxima chegada ocorra em t minutos (calculado como 1 menos coluna 2).
(1) (2) (3)

PROBABILIDADE DE QUE
A PRXIMA CHEGADA OCORRA PROBABILIDADE DE QUE
EM t MINUTOS OU MAIS A PRXIMA CHEGADA OCORRA
(PELO APNDICE F EM t MINUTOS OU MENOS
t (MINUTOS) OU RESOLVENDO et) [1 COLUNA (2)]

0 1,00 0
0,5 0,61 0,39
1,0 0,37 0,63
1,5 0,22 0,78
2,0 0,14 0,86
D i s t r i b u i o d e P o i s s o n No segundo caso, em que se deseja descobrir o nmero de

chegadas durante determinado perodo T, a distribuio aparece como na Figura NT 7.5 e obtida
encontrando a probabilidade de exatamente n chegadas durante T. Se o processo de chegada for alea-
trio, a distribuio a de Poisson, e a frmula Distribuio de Poisson
(T)n eT
[NT7.2] PT (n)
n!
A Equao (NT7.2) mostra a probabilidade de haver exatamente n chegadas no tempo T.1 Por exem-
plo, se a taxa mdia de chegadas de unidades em um sistema for trs por minuto ( 3), e desejarmos
descobrir qual a probabilidade de que exatamente cinco unidades cheguem em um perodo de um
minuto (n 5, T 1), teremos
(3 1)5 e31 35 e3
P1 (5) 2,025e3 0,101
5! 120
Ou seja, h uma probabilidade de 10,1% de haver cinco chegadas em um intervalo qualquer de um minuto.
figura NT7.5 Distribuio de Poisson para T 3
Mdia = = 3
Varincia = = 3
0,224 0,224
Probabilidade 0,20
de n chegadas 0,16
no tempo T 0,149
Curva suavizada
0,102
0,10
0,05 0,050
0
1 2 3 4 5 6 8 10 12
Nmero de chegadas (n)
figura NT7.6 Chegadas de Clientes em Filas
Constante
Distribuio Exponencial ou Poisson
Outros
Controlvel
Padro
Incontrolvel
nico
Tamanho da chegada
Lote
Paciente (entra na fila e fica)

Nvel de pacincia
Chega, olha e sai
Impaciente
Chega, espera um pouco e ento sai
Embora muitas vezes mostrada como uma curva suavizada, como na Figura NT7.5, a Poisson uma
distribuio discreta. (A curva se torna mais suavizada conforme n aumenta.) A distribuio discreta
porque n se refere, em nosso exemplo, ao nmero de chegadas em um sistema, e esse deve ser um
nmero inteiro. (No pode haver, por exemplo, 1,5 chegada.)
Observe ainda que as distribuies exponencial e Poisson podem ser derivadas uma da outra. A
mdia e a varincia da Poisson so iguais e simbolizadas por . A mdia da exponencial 1/ e sua
varincia 1 / 2. (Lembre-se que o tempo entre as chegadas distribudo exponencialmente, e que
o nmero de chegadas por unidade de tempo tem distribuio de Poisson).
Outras caractersticas das chegadas incluem padres de chegada, tamanho das unidades de che-
gada e nvel de pacincia (ver Figura NT 7.6.)
Padres de chegadas. As chegadas em um sistema so muito mais controlveis do que normalmen-

te se pensaria. Barbeiros, por exemplo, podem reduzir sua taxa de chegadas aos sbados (e suposta-
mente transferi-lo para outros dias da semana) cobrando US$ 1 a mais pelos cortes para adultos ou
cobrando taxas de adultos nos cortes para crianas. As lojas de departamento promovem liquidaes
entre estaes ou liquidaes de apenas um dia, em parte para fins de controle. Companhias areas ofe-
recem taxas para excurses e para baixa temporada por motivos semelhantes. O mtodo mais simples
dentre todos usados para o controle de chegadas a determinao do horrio comercial.
Algumas demandas de servios so obviamente incontrolveis, como demandas em pron-
tos-socorros de hospitais. Mas, mesmo nessas situaes, as chegadas em prontos-socorros de
determinados hospitais so controlveis at certo ponto, por exemplo, mantendo os motoristas
de ambulncias da regio onde se presta o servio, informados sobre a situao dos respectivos
hospitais que atendem.
Tamanho das unidades em espera. Uma chegada nica pode ser considerada uma unidade. (A
unidade o menor nmero atendido). Uma chegada nica no prego da Bolsa de Valores de Nova
York (Nyse) de 100 aes; uma chegada nica em uma fbrica de processamento de ovos pode
ser uma dz ia de ovos ou um nmero fixo de 2 dzias; uma chegada nica em um restaurante
seria uma pessoa.
Uma chegada em lote algum mltiplo da unidade, como um bloco de 1.000 aes na Nyse,
uma caixa de ovos na processadora ou um grupo de cinco pessoas em um restaurante.
Nvel de pacincia. Uma chegada paciente aquela que espera quanto tempo for necessrio
para que o estabelecimento a atenda. (Mesmo que as pessoas resmunguem ou demonstrem irri-
tabilidade, o fato de esperarem j suficiente para rotul-las como chegadas pacientes de acordo
com a teoria das filas.)
Existem duas categorias de chegadas impacientes. Membros da primeira categoria chegam,
observam o local de atendimento e o comprimento da fila e, ento, decidem ir embora. Os da
segunda categoria chegam, observam a situao, entram na fila de espera e, ento, depois de
algum tempo, saem da fila. O comportamento do primeiro tipo denominado recusa, ao passo
que o segundo chamado renncia.
O SISTEMA DE ORGANIZAO DE FILAS: FATORES

O sistema de organizao de filas consiste primordialmente em fila(s) de espera e nmero de aten-
dentes disponveis. Aqui discutiremos questes referentes s caractersticas e gerenciamento da fila
de espera, estrutura da fila e taxa de atendimento. Os fatores a serem considerados quanto s filas de
espera incluem o comprimento da fila, o nmero de filas e a disciplina das filas.
Comprimento. Em um sentido prtico, uma fila infinita simplesmente uma fila muito extensa
em termos de capacidade do sistema de atendimento. Exemplos de comprimento infinito potencial
so uma fila de veculos engarrafados por quilmetros em uma ponte, e clientes que precisam
formar uma fila ao longo do quarteiro espera para comprar ingressos para o teatro.
Postos de gasolina, terminais de carga e estacionamentos possuem capacidade limitada de
filas, resultante de restries legais ou caractersticas fsicas de espao. Isso torna o problema da
fila de espera mais complicado no s na utilizao do servio e clculos de filas de espera, mas
tambm no formato da distribuio efetiva das chegadas. O impedimento da entrada em uma fila
em razo da falta de espao pode acabar acumulando a populao, que vai tentar de novo em outro
horrio ou tentar obter o servio em outro local. Ambas as opes fazem uma diferena bvia
no caso da populao finita.
Nmero de filas. Uma fila nica ou registro nico , obviamente, apenas uma fila. O termo filas
mltiplas se refere s filas nicas que se formam na frente de dois ou mais atendentes ou s filas
nicas que convergem em algum ponto central de redistribuio. A desvantagem das filas ml-
tiplas em uma instalao movimentada que as pessoas geralmente
mudam de filas se outros servios executados anteriormente demora-
ram menos ou se outros clientes, naquele momento em outras filas, Comprimento infinito
potencial
aparentemente demoram menos para ser atendidos. Comprimento da fila
Disciplina das filas. A disciplina da fila uma regra de prioridades Capacidade limitada
ou um conjunto de regras que determinam a ordem de atendimento dos
clientes que esto em uma fila. As regras selecionadas podem exercer
nico
um efeito drstico no desempenho geral do sistema. O nmero de
Nmero de filas
clientes na fila, o tempo mdio de espera, a amplitude da variabilida-
de no tempo de espera e a eficincia do local de servios so apenas Mltiplo
alguns fatores influenciados pela escolha das regras de prioridades.

Provavelmente, a regra de prioridades mais comum o atendimento por ordem de chegada

(FCFS First Come, First Served). Segundo essa regra, os clientes na fila so atendidos com
base na ordem de chegada cronolgica; nenhuma outra caracterstica possui qualquer influncia
no processo de seleo. Essa popularmente aceita como a regra mais justa, embora na prtica
desfavorea as chegadas que requerem um tempo de servio curto.
Atendimento por ordem

de chegada
Tempo de processamento
mais curto
Reservas Primeiro
Disciplina da fila
Emergncias Primeiro
Necessidades limitadas
Outros
Reservas primeiro, emergncias primeiro, cliente que gera maior lucro primeiro, pedidos maiores
primeiro, melhores clientes primeiro, tempo de espera mais longo na fila e data de promessa mais cedo
so outros exemplos de regras de prioridade. Existem dois problemas prticos principais na aplicao de
qualquer regra: um garantir que os clientes conheam e sigam a regra. O outro garantir que se imple-
mente um sistema permitindo que os funcionrios administrem a fila (como os sistemas de senhas).
D i s t r i b u i o d o Te m p o d e A t e n d i m e n t o Outro importante recurso da estrutu-

ra de espera o tempo que o cliente ou unidade gasta com quem presta o servio uma vez que este
Taxa de atendimento iniciado. As frmulas de fila de espera geralmente especificam a taxa de atendimento do prestador
de servio em nmero de unidades por perodo (como 12 concluses por hora) e no como o tempo
do atendimento, que pode ter em mdia cinco minutos cada. A regra de tempo de atendimento cons-
tante determina que todo atendimento demora exatamente o mesmo tempo. Nas chegadas constantes,
essa caracterstica geralmente limitada a operaes controladas por mquinas.
Quando os tempos de servio so aleatrios, podem ser aproximados por meio da distribuio expo-
nencial. Ao utilizar a distribuio exponencial como uma aproximao dos tempos de servio, iremos
nos referir a como o nmero mdio de unidades ou clientes que podem ser atendidos por perodo.
E s t r u t u r a s d a F i l a Conforme mostra a Figura NT7.7, o fluxo de itens a serem atendidos

pode passar por uma fila nica, mltiplas filas ou alguma combinao entre ambas. A escolha do
formato depende, em parte, do volume de clientes atendidos e, em parte, das restries impostas por
exigncias seqenciais que regem a ordem em que o servio deve ser executado.
1. Canal nico, fase nica. Esse o tipo mais simples de estrutura de fila de espera, e frmulas
diretas esto disponveis para solucionar o problema para modelos-padro de distribuio de chegada
e servio. Quando as distribuies no so padro, o problema solucionado com mais facilidade
pela simulao em computador. Um exemplo tpico de uma situao de canal nico, fase nica o
de uma pessoa na barbearia.
2. Canal nico, fases mltiplas. Uma lavadora de automveis ilustraria esse caso porque uma
srie de servios (passar aspirador, molhar, lavar, tirar o sabo, secar, limpar janelas e estacionar)
realizada em uma seqncia consideravelmente uniforme. Um fator fundamental no caso do canal
nico com servio em sries a quantidade de itens acumulados permitidos na frente de cada servio,
o que, por sua vez, constitui filas de espera separadas.
3. Canais mltiplos, fase nica. Guichs de caixas de um banco e caixas de supermercado em
lojas de departamento de grande volume exemplificam este tipo de estrutura. A dificuldade com este
formato que o tempo de atendimento desigual dado a cada cliente resulta em velocidade ou fluxo
desiguais entre as filas. Isso faz que alguns clientes sejam atendidos antes de outros que chegaram
antes e que mudem de filas. Modificar essa estrutura para garantir o atendimento s chegadas em
ordem cronolgica exigiria a formao de uma fila nica, a partir da qual, assim que um atendente
fica livre, o prximo cliente da fila atendido.
Estruturas das Filas figura NT7.7
Fase nica
nica
Fases mltiplas
Fase nica
Estrutura Canais mltiplos
Fases mltiplas
Fase nica
Canal mltiplo a nico
Fases mltiplas
Mista
Caminhos alternativos como:
O principal problema relacionado a essa estrutura que ela exige um controle rgido da fila para
manter a ordem e direcionar os clientes aos atendentes disponveis. Em alguns casos, distribuir nme-
ros aos clientes na ordem de chegada ajuda a sanar esse problema.
4. Canais mltiplos, fases mltiplas. Esse caso semelhante ao anterior, exceto pelo fato de
que dois ou mais servios so realizados em seqncia. A internao de pacientes em um hospital segue
esse padro, porque uma seqncia especfica de etapas geralmente seguida: contato inicial no balco
de atendimento, preenchimento de ficha, confeco de etiquetas de identificao, obteno de leito,
acompanhamento do paciente at o quarto e assim por diante. Como diversos atendentes normalmente
ficam disponveis para esse procedimento, mais de um paciente pode ser atendido por vez.
5. Mista. Dentro dessa categoria mais geral, consideraremos duas subcategorias: 1. estruturas de
canal mltiplo a nico e 2. estruturas de caminhos alternativos. De acordo com (1), encontramos filas que
podem ser combinadas em uma para servio de fase nica, como em uma ponte em que duas pistas con-
vergem em uma, ou filas que se combinam em uma para servios em canais mltiplos, como em filas de
submontagem alimentando uma fila principal. No caso (2), temos duas estruturas que diferem em termos
de exigncias de fluxo direcional. A primeira semelhante ao caso canais mltiplos fases mltiplas, com
exceo de que a. pode haver mudana de um canal para o prximo depois que o primeiro servio foi pres-
tado e b. o nmero de canais e fases pode variar novamente depois da execuo do primeiro servio.
SADA
Depois que um cliente atendido, h duas possibilidade de sada: 1. O cliente pode retornar popu-
lao de origem e se tornar imediatamente um candidato concorrente para o servio novamente ou
2. pode haver uma baixa probabilidade de novo atendimento. O primeiro caso pode ser ilustrado por
uma mquina que tenha sido constantemente consertada e retornada operao, mas pode quebrar
novamente; o segundo pode ser ilustrado por uma mquina que foi vistoriada ou modificada e apre-
senta baixa probabilidade de obter um novo servio em um futuro prximo. Analogicamente, pode-
mos nos referir ao primeiro como um caso de resfriado recorrente e ao segundo como um caso
nico de cirurgia de retirada de apndice.
Baixa probabilidade de
novo atendimento
Sada
Retorno populao de origem
Deve ficar evidente que, quando a populao de origem finita, qualquer modificao no servio
realizado para os clientes que retornam populao modifica a taxa de chegada no estabelecimento
da prestao do servio. Isso obviamente altera as caractersticas da fila de espera em estudo e requer
uma nova anlise do problema.
MODELOS DE FILA DE ESPERA

Nesta seo, apresentaremos quatro problemas de filas de espera para fins de demons-
trao, juntamente com as respectivas solues. Cada um possui uma estrutura um pouco diferente
(ver Figura NT7.8) e a equao da soluo (ver Figura NT7.10). Existem outros tipos de modelos
alm desses quatro, mas as frmulas e solues se tornam muito complicadas e esses problemas, em
geral, so solucionados utilizando-se a simulao por computador (ver Nota Tcnica 17). Alm disso,
ao utilizar essas frmulas, lembre-se que so frmulas derivadas da suposio de que o processo em
Excel: Fila estudo contnuo e est em equilbrio (estado estacionrio). Por isso, podem oferecer resultados ine-
xatos quando aplicadas a processos em que as taxas de chegadas e/ou taxas de atendimento mudam
ao longo do tempo. A Planilha Excel QueueModel.xls, desenvolvida por John McClain da Cornell
University e includa no DVD-ROM, pode ser usada para solucionar esses problemas.
Vejamos uma rpida introduo dos nossos quatro problemas para ilustrar cada um dos quatro
modelos de fila de espera nas Figuras NT 7.8 e NT 7.10. A Figura NT 7.9 define as notaes usadas
na Figura NT 7.10.
Problema 1: Clientes na fila. Um banco deseja saber quantos clientes esperam no caixa do
guich drive-through, quanto tempo precisam esperar, qual a utilizao do caixa e qual teria de
ser a taxa de atendimento para que em 95% do tempo no haja mais que trs carros no sistema
em qualquer horrio.
Problema 2: Seleo de equipamentos. Uma franquia da Robot Car Wash precisa decidir qual
equipamento comprar a partir de trs opes. Unidades maiores custam mais, mas lavam os carros
com mais rapidez. Para tomar a deciso, os custos esto relacionados receita.
figura NT7.8 Propriedades de Alguns Modelos Especficos de Filas de Espera
FASE DO POPULAO PADRO DE DISCIPLINA DA PADRO DO COMPRIMENTO EXEMPLO

MODELO LAYOUT SERVIO DE ORIGEM CHEGADA FILA SERVIO ADMISSVEL DA FILA TPICO
1 Canal nico nica Infinita Poisson Atendimento Exponencial Ilimitado Caixa drive-through de
por ordem um banco; pedgio
de chegada com uma pista
2 Canal nico nica Infinita Poisson Atendimento Constante Ilimitado Passeios de montanha-
por ordem russa em parque
de chegada de diverses
3 Canal mltiplo nica Infinita Poisson Atendimento Exponencial Ilimitado Balco de peas em
por ordem concessionria de
de chegada automveis
4 Canal nico nica Finita Poisson Atendimento Exponencial Ilimitado Pane e conserto de
por ordem mquina na fbrica
de chegada
Notaes das Equaes (Figura NT 7.10) figura NT7.9
NOTAO PARA FILAS INFINITAS: MODELOS 1 A 3 NOTAO PARA FILAS FINITAS: MODELO 4
Taxa de chegada D Probabilidade de uma chegada esperar na fila
Taxa de atendimento F Fator de eficincia, uma medida do efeito de ter de esperar na fila
1 H Nmero mdio de unidades sendo atendidas
Tempo mdio do servio

J Populao de origem menos aquela no sistema de filas (N n)
1 L Nmero mdio de unidades na fila
Tempo mdio entre as chegadas

S Nmero de canais de servio
Razo da taxa total de chegada pela taxa de atendimento para
* n Nmero mdio de unidades no sistema de filas (incluindo a que
um nico atendente

est sendo atendida)
Lq Nmero mdio em espera na fila N Nmero de unidade na populao de origem
Ls Nmero mdio no sistema (incluindo algum sendo atendido) Pn Probabilidade de exatamente n unidades no sistema de filas
T Tempo mdio para execuo do servio
Wq Tempo mdio de espera na fila U Tempo mdio entre as exigncias de servio dos clientes
Ws Tempo mdio total no sistema (incluindo o tempo para ser atendido) W Tempo mdio de espera na fila
n Nmero de unidades no sistema X Fator de servio ou proporo do tempo de servio necessrio
S Nmero de canais idnticos de servio
Pn Probabilidade de exatamente n unidades no sistema
Pw Probabilidade de espera na fila
* Para filas de atendente nico, isso equivale utilizao.
Equaes Usadas para Solucionar os Problemas de Quatro Modelos figura NT7.10
n
Lq

2
Lq
( )
Wq

Pn 1
Po 1 (NT7.3)
Modelo
1 Lq
Lq Wq

Lq

2
Ls Wq (NT7.4)
2 ( )
Modelo
2 Ls
Ls Lq Ws

(A Figura NT7.11 apresenta o valor de Lq considerando / e o nmero de atendentes S.)

Ls Lq / Ws Ls /

Modelo (NT7.5)
S
3 Wq Lq /
Pw Lq 1

O Modelo 4 uma situao de fila finita que solucionada mais facilmente usando-se as tabelas finitas. Essas tabelas, por sua vez,
exigem a manipulao de termos especficos.

T
X H FNX L N (1 F ) nLH
TU
Modelo
4 N! n
Pn X Po L NF (1 X ) (NT7.6)
(N n)!
L (T U) LT TU
W F
NL H TUW
Problema 3: Determinao do nmero de atendentes. O departamento de peas de uma con-

cessionria precisa decidir quantos atendentes ficaro no balco. Mais funcionrios custam mais
dinheiro, mas geram economia porque os mecnicos esperam menos tempo.
Problema 4: Populao de origem finita. Enquanto os modelos vistos anteriormente supem
uma grande populao, a fila finita emprega um conjunto distinto de equaes para os casos em
que a populao solicitante pequena. Neste ltimo problema, o mecnico deve atender quatro
mquinas de tecelagem para mant-as em operao. Com base nos custos associados inativao
das mquinas e nos custos dos mecnicos para atend-las, o problema est em decidir quantos
mecnicos escalar.
EXEMPLO NT7.1: CLIENTES NA FILA

O Western National Bank est pensando em abrir um guich drive-through para atender a seus clientes. A
gerncia estima que os clientes chegaro a uma razo de 15 por hora. O caixa que vai ocupar o guich consegue
atender os clientes a uma razo de um a cada trs minutos.
Servio Parte 1 Supondo chegadas Poisson e servio exponencial, descubra
1. A utilizao do caixa.
2. O nmero mdio na fila de espera.
3. O nmero mdio no sistema.
4. O tempo mdio de espera na fila.
5. O tempo mdio de espera no sistema, incluindo servio.
SOLUO Parte 1
1. A utilizao mdia do caixa (usando o Modelo 1)
15 75%
20
Excel:
Queue.xls 2. O nmero mdio na fila de espera
2 (15)2
Lq 2,25 clientes
( ) 20(20 15)
3. O nmero mdio no sistema
2 15
Ls 3 clientes
20 15
4. O tempo mdio de espera na fila
Lq 2,25
Wq 0,15 hora ou 9 minutos
15
5. O tempo mdio de espera no sistema
Ls 3
Ws 0,2 hora ou 12 minutos
15
EXEMPLO NT7.1 (Continuao)

Parte 2 Em virtude da disponibilidade limitada de espao e do desejo de oferecer um nvel aceitvel de servio, o
gerente do banco gostaria de garantir, com 95% de certeza, que o nmero mximo de carros no sistema ser de trs
em qualquer horrio. Qual o nvel atual de servio, para o limite de trs carros? Qual nvel de utilizao do caixa
deve ser alcanado, e qual deve ser a taxa de atendimento do caixa para assegurar o nvel de servio de 95%?
SOLUO Parte 2
O nvel atual de servio para trs carros ou menos a probabilidade de que existam 0, 1, 2 ou 3 carros no sistema.
Pelo Modelo 1, da Figura NT 7.10,
n

Pn 1
para n 0, P0 (1 15/20) (15/20)0 0,250

para n 1, P1 (1/4) (15/20)1 0,188
para n 2, P2 (1/4) (15/20)2 0,141
para n 3, P3 (1/4) (15/20)3 0,105
0,684 ou 68,5%
A probabilidade de haver mais de trs carros no sistema 1,0 menos a probabilidade de trs carros ou menos
(1,0 0,685 31,5 %).
Para um nvel de servio de 95% para trs carros ou menos, isso significa que P0 P1 P2 P3 95%.
0 1 2 3

0,95 1 1 1 1
1
2 3

0,95 1
Podemos solucionar isso por tentativa e erro para os valores de /. Se / 0,50.
0,95 0,5(1 0,5 0,25 0,125)
0,95 0,9375
Para / 0,45
0,95 (1 0,45)(1 0,45 0,203 0,091)
0,95 0,96
Para / 0,47
0,95 (1 0,47)(1 0,47 0,221 0,104) 0,9512
0,95 0,95135
Portanto, com a utilizao de / de 47%, a probabilidade de existirem trs carros ou menos no sistema
de 95%.
Para descobrir a taxa de atendimento necessria para alcanar esse nvel de servio de 95%, simplesmente
solucionamos a equao / 0,47, em que nmero de chegadas por hora. Isso fornece 32 por hora.
Isto , o caixa deve atender aproximadamente 32 pessoas por hora (um aumento de 60% em relao capacidade
original de 20 por hora) para 95% de confiana de que no mximo trs carros estaro no sistema. Talvez o servio
possa ser agilizado modificando-se seu mtodo, acrescentando outro caixa ou restringindo os tipos de transaes
disponveis no guich drive-through. Observe que, com a condio da confiana de 95% de que trs carros ou
menos estaro no sistema, o caixa ficar ocioso 53% do tempo.
EXEMPLO NT7.2: SELEO DE EQUIPAMENTOS

A Robot Company possui franquias de postos de combustvel e lavagem de carros nos Estados Unidos. A Robot
oferece uma lavagem como cortesia para quem enche o tanque ou, apenas pela lavagem, cobra US$ 0,50. A
experincia mostra que o nmero de clientes que ganham as lavagens aps encher o tanque quase igual ao de
apenas lavagens. O lucro mdio sobre um abastecimento de cerca de US$ 0,70, e o custo da lavagem para a Servio
Robot de US$ 0,10. A Robot funciona 14 horas por dia.
A Robot possui trs unidades de fora e estaes de lavagem, e o franqueado deve selecionar a unidade que
mais lhe convm. A unidade I consegue lavar os carros taxa de um a cada cinco minutos e alugada por US$ 12
por dia. A unidade II, maior, consegue lavar os carros taxa de um a cada quatro minutos, mas custa US$ 16 por
dia. A unidade III, a maior de todas, custa US$ 22 por dia e consegue lavar um carro em trs minutos.
O franqueado estima que os clientes ficaro na fila por no mximo cinco minutos para lavar o carro. Mais Excel:
tempo do que isso far que a Robot perca a venda da gasolina e da lavagem. Queue.xls
Se a estimativa de chegadas de clientes que resultam em lavagens de 10 por hora, qual unidade deve ser
escolhida?
SOLUO
Usando a unidade I, calcule o tempo mdio de espera dos clientes na fila para lavagem ( para a unidade 1
12 por hora). Com as equaes do Modelo 2 (Figura NT7.10).
2 102
Lq 2,08333
2( ) 2(12)(12 10)
Lq 2,08333 1
Wq 0,208 hora ou 12 2 minutos
10
Para a unidade II a 15 por hora,
102
Lq 0,667
2(15)(15 10)
0,667
Wq 0,0667 hora ou 4 minutos
10
Se o tempo de espera for o nico critrio, a unidade II deve ser a escolhida. Mas, antes de tomarmos a deci-
so final, devemos observar o diferencial de lucro entre ambas as unidades.
1
Com a unidade I, alguns clientes iriam desistir e abandonar o local em razo da espera de 12 2 minutos. E,
embora isso complique bastante a anlise matemtica, podemos obter alguma estimativa de perda de vendas
1
com a unidade I aumentando Wq 5 minutos ou 2 hora (a durao mdia de tempo que os clientes vo esperar)
e solucionando . Isso seria a taxa efetiva de chegada dos clientes:
Wq
Lq

2/2( )

Wq
2( )
1
2Wq 2 2 2 (12)2
1
1 2Wq 1 2 2 (12)
Portanto, como a estimativa original de era de 10 por hora, estima-se que dois clientes por hora sero perdi-
1
dos. Lucro perdido de 2 clientes por hora 14 horas 2 (US$ 0,70 lucro abastecimento US$ 0,40 lucro da
lavagem) US$ 15,40 por dia.
Como o custo adicional da unidade II em relao unidade I de apenas US$ 4 por dia, a perda de US$
15,40 em lucro obviamente garante a instalao da unidade II.
A restrio inicial de espera mxima de cinco minutos satisfeita pela unidade II. Portanto, a unidade III
no considerada a menos que se espere que a taxa de chegadas aumente.
EXEMPLO NT7.3: DETERMINAO DO NMERO DE ATENDENTES

No departamento de servios da Glenn-Mark Agency, os mecnicos que precisam de peas para o conserto de
automveis ou servios apresentam formulrios de solicitao no balco do departamento de peas. O funcio-
nrio da rea de peas preenche uma requisio enquanto o mecnico espera. Os mecnicos chegam de maneira
aleatria (Poisson) taxa de 40 por hora e um funcionrio consegue preencher as requisies taxa de 20 por
Servio
hora (exponencial). Se o custo do funcionrio de peas de US$ 6 por hora e o custo do mecnico de US$ 12
por hora, determine o nmero timo de funcionrios para atendimento no balco. (Como a taxa de chegadas
alta, possvel assumir uma origem infinita).
SOLUO
Excel: Em primeiro lugar, suponha que trs funcionrios sero escalados porque apenas um ou dois resultariam em filas
Queue.xls infinitamente longas (pois 40 e 20). As equaes do Modelo 3 da Figura NT7.10 sero usadas aqui.
Mas, primeiro, precisamos obter o nmero mdio na fila, utilizando a tabela da Figura NT7.11. Usando a tabela
e os valores / 2 e S 3, obtemos Lq 0,8888 mecnico.
Neste ponto, vemos que possumos uma mdia de 0,8888 mecnico esperando ao longo de todo o dia. Para
um dia de oito horas, a US$ 12 por hora, h um desperdcio do tempo do mecnico equivalente a 0,8888 mec-
nico US$ 12 por hora 8 horas US$ 85,32.
Nossa prxima etapa obter novamente o tempo de espera se adicionarmos outro funcionrio de peas.
Ento, comparamos o custo adicional do funcionrio extra com o tempo economizado pelos mecnicos.
Novamente, usando a tabela da Figura NT7.11, mas com S 4, temos
Lq 0,1730 mecnico na fila

0,1730 US$ 12 8 horas custo de US$ 16,61 de um mecnico esperando na fila
Valor do tempo economizado do mecnico US$ 85,32 US$ 16,61 US$ 68,71
Custo de um funcionrio adicional no setor de peas de 8 horas US$ 6/hora 48,00
Custo da reduo adicionando um quarto funcionrio US$ 20,71
Esse problema poderia ser expandido para considerar a adio de funcionrios encarregados da entrega de
peas aos mecnicos; o problema ento seria determinar o nmero timo de entregadores. Isso, no entanto, teria
de incluir o custo adicional do tempo perdido com erros no recebimento da peas. Por exemplo, um mecnico
reconheceria uma pea errada no balco e obteria a correo imediata, ao passo que os entregadores de peas
no teriam essa capacidade.
EXEMPLO NT7.4: POPULAO DE ORIGEM FINITA

Estudos de um grupo de quatro mquinas da tecelagem Loose Knit revelaram que, em mdia, cada mquina
1
precisa de ajustes a cada hora, e que o operador atual demora uma mdia de 7 2 minutos por ajuste. Supondo
chegadas Poisson, servio exponencial e um custo de tempo ocioso da mquina de US$ 40 por hora, determine
1
se um segundo operador de mquina (que tambm demora 7 2 minutos por ajuste) deveria ser contratado pela Servio
taxa de US$ 7 por hora.
SOLUO
Este um problema de filas finitas que pode ser solucionado utilizando tabelas de filas finitas. (Ver Figura NT7.12.)
A abordagem a esse problema comparar o custo de inativao da mquina (seja esperando na fila ou sendo
atendida) e um operador, ao custo de inativao da mquina e dois operadores. Isso pode ser feito descobrindo
o nmero mdio de mquinas que esto no sistema de servio e multiplicando esse nmero pelo custo de inati-
vao por hora. Para isso adicionamos o custo dos operadores.
Antes de prosseguirmos, vamos primeiro definir alguns termos: Excel:
Queue.xls
N Nmero de mquinas na populao
S Nmero de operadores
T Tempo necessrio para consertar uma mquina
U Tempo mdio de operao de uma mquina at que precise do servio
X Fator de servio ou proporo do tempo do servio necessrio para cada mquina ( T/(T U))
L Nmero mdio de mquinas esperando na fila para serem consertadas
H Nmero mdio de mquinas sendo consertadas
Os valores a serem determinados a partir das tabelas finitas so
D Probabilidade de que uma mquina precisando de servio precise esperar

F Fator de eficincia, que mede o efeito de ter de esperar na fila para ser atendido
As tabelas so organizadas de acordo com trs variveis: N, tamanho da populao; X, fator de servio; e S,
o nmero de canais de servio (operadores neste problema). Para procurar um valor, encontre primeiro a tabela
para o tamanho N correto. Ento, pesquise a primeira coluna para o X apropriado e, finalmente, encontre a fila
figura NT7.11 Nmero Esperado de Pessoas Esperando na Fila (Lq) para Diversos Valores de S e /
NMERO DE CANAIS DE SERVIO, S

/ 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0,10 0,0111
0,15 0,0264 0,0006
0,20 0,0500 0,0020
0,25 0,0833 0,0039
0,30 0,1285 0,0069
0,35 0,1884 0,0110
0,40 0,2666 0,0166
0,45 0,3681 0,0239 0,0019
0,50 0,5000 0,0333 0,0030
0,55 0,6722 0,045 0,0043
0,60 0,9090 0,0593 0,0061
0,65 1,2071 0,0767 0,0084
0,70 1,6333 0,0976 0,0112
0,75 2,2500 0,1227 0,0147
0,80 3,2000 0,1523 0,0189
0,85 4,8165 0,1873 0,0239 0,0031
0,90 8,1000 0,2285 0,0300 0,0041
0,95 18,0500 0,2767 0,0371 0,0053
1,0 0,3333 0,0454 0,0067
1,2 0,6748 0,0940 0,0158
1,4 1,3449 0,1778 0,0324 0,0059
1,6 2,8441 0,3128 0,0604 0,0121
1,8 7,6731 0,5320 0,1051 0,0227 0,0047
2,0 0,8888 0,1730 0,0390 0,0090
2,2 1,4907 0,2770 0,066 0,0158
2,4 2,1261 0,4205 0,1047 0,0266 0,0065
2,6 4,9322 0,6581 0,1609 0,0425 0,0110
2,8 12,2724 1,0000 0,2411 0,0659 0,0180
3,0 1,5282 0,3541 0,0991 0,0282 0,0077
3,2 2,3855 0,5128 0,1452 0,0427 0,0122
3,4 3,9060 0,7365 0,2085 0,0631 0,0189
3,6 7,0893 1,0550 0,2947 0,0912 0,0283 0,0084
3,8 16,9366 1,5181 0,4114 0,1292 0,0412 0,0127
4,0 2,2164 0,5694 0,1801 0,0590 0,0189
4,2 3,3269 0,7837 0,2475 0,0827 0,0273 0,0087
4,4 5,2675 1,0777 0,3364 0,1142 0,0389 0,0128
4,6 9,2885 1,4857 0,4532 0,1555 0,0541 0,0184
4,8 21,6384 2,0708 0,6071 0,2092 0,0742 0,0260
5,0 2,9375 0,8102 0,2785 0,1006 0,0361 0,0125
5,2 4,3004 1,0804 0,3680 0,1345 0,0492 0,0175
5,4 6,6609 1,4441 0,5871 0,1779 0,0663 0,0243 0,0085
5,6 11,5178 1,9436 0,6313 0,2330 0,0683 0,0330 0,0119
5,8 26,3726 2,6481 0,8225 0,3032 0,1164 0,0443 0,0164
6,0 3,6878 1,0707 0,3918 0,1518 0,0590 0,0224
6,2 5,2979 1,3967 0,5037 0,1964 0,0775 0,0300 0,0113
6,4 8,0768 1,8040 0,6454 0,2524 0,1008 0,0398 0,0153
6,6 13,7992 2,4198 0,8247 0,3222 0,1302 0,0523 0,0205
6,8 31,1270 3,2441 1,0533 0,4090 0,1666 0,0679 0,0271 0,0105
7,0 4,4471 1,3471 0,5172 0,2119 0,0876 0,0357 0,0141
7,2 6,3133 1,7288 0,6521 0,2677 0,1119 0,0463 0,0187
7,4 9,5102 2,2324 0,8202 0,3364 0,1420 0,0595 0,0245 0,0097
7,6 16,0379 2,9113 1,0310 0,4211 0,1789 0,0761 0,0318 0,0129
7,8 35,8956 3,8558 1,2972 0,5250 0,2243 0,0966 0,0410 0,0168
8,0 5,2264 1,6364 0,6530 0,2796 0,1214 0,0522 0,0220
8,2 7,3441 2,0736 0,8109 0,3469 0,1520 0,0663 0,0283
8,4 10,9592 2,6470 1,0060 0,4288 0,1891 0,0834 0,0361
8,6 18,3223 3,4160 1,2484 0,5236 0,2341 0,1043 0,0459
8,8 40,6824 4,4805 1,5524 0,6501 0,2885 0,1208 0,0577
9,0 6,0183 1,9366 0,7980 0,3543 0,1603 0,0723
9,2 8,3869 2,4293 0,9788 0,4333 0,1974 0,0899
9,4 12,4183 3,0732 1,2010 0,5267 0,2419 0,1111
9,6 20,6160 3,9318 1,4752 0,5437 0,2952 0,1367
9,8 45,4769 5,1156 1,8165 0,7827 0,3699 0,16731
10 6,8210 2,2465 0,9506 0,4352 0,2040
Tabelas de Filas Finitas figura NT7.12
POPULAO 4
X S D F X S D F X S D F
0,015 1 0,045 0,999 1 0,479 0,899 0,400 3 0,064 0,992

0,022 1 0,066 0,998 0,180 2 0,088 0,991 2 0,372 0,915
0,030 1 0,090 0,997 1 0,503 0,887 1 0,866 0,595
0,034 1 0,102 0,996 0,190 2 0,098 0,990 0,420 3 0,074 0,990
0,038 1 0,114 0,995 1 0,526 0,874 2 0,403 0,903
0,042 1 0,126 0,994 0,200 3 0,008 0,999 1 0,884 0,572
0,046 1 0,137 0,993 2 0,108 0,988 0,440 3 0,085 0,986
0,048 1 0,143 0,992 0,200 1 0,549 0,862 2 0,435 0,891
0,052 1 0,155 0,991 0,210 3 0,009 0,999 1 0,900 0,551
0,054 1 0,161 0,990 2 0,118 0,986 0,460 3 0,097 0,985
0,058 1 0,173 0,989 1 0,572 0,849 2 0,466 0,878
0,060 1 0,179 0,988 0,220 3 0,011 0,999 1 0,914 0,530
0,062 1 0,184 0,987 2 0,129 0,984 0,480 3 0,111 0,983
0,064 1 0,190 0,986 1 0,593 0,835 2 0,498 0,864
0,066 1 0,196 0,985 0,230 3 0,012 0,999 0,480 1 0,926 0,511
0,070 2 0,014 0,999 2 0,140 0,982 0,500 3 0,125 0,980
1 0,208 0,984 1 0,614 0,822 2 0,529 0,850
0,075 2 0,016 0,999 0,240 3 0,014 0,999 1 0,937 0,492
1 0,222 0,981 2 0,151 0,980 0,520 3 0,141 0,976
0,080 2 0,018 0,999 1 0,634 0,808 2 0,561 0,835
1 0,237 0,978 0,250 3 0,016 0,999 1 0,947 0,475
0,085 2 0,021 0,999 2 0,163 0,977 0,540 3 0,157 0,972
1 0,251 0,975 1 0,654 0,794 2 0,592 0,820
0,090 2 0,023 0,999 0,260 3 0,018 0,998 1 0,956 0,459
1 0,265 0,972 2 0,175 0,975 0,560 3 0,176 0,968
0,095 2 0,026 0,999 1 0,673 0,780 2 0,623 0,805
1 0,280 0,969 0,270 3 0,020 0,998 1 0,963 0,443
0,100 2 0,028 0,999 2 0,187 0,972 0,580 3 0,195 0,964
1 0,294 0,965 1 0,691 0,766 2 0,653 0,789
0,105 2 0,031 0,998 0,280 3 0,022 0,99s8 1 0,969 0,429
1 0,308 0,962 2 0,200 0,968 0,600 3 0,216 0,959
0,110 2 0,034 0,998 1 0,708 0,752 2 0,682 0,774
1 0,321 0,958 0,290 3 0,024 0,998 1 0,975 0,415
0,115 2 0,037 0,998 2 0,213 0,965 0,650 3 0,275 0,944
1 0,335 0,954 1 0,725 0,738 2 0,752 0,734
0,120 2 0,041 0,997 0,300 3 0,027 0,997 1 0,985 0,384
1 0,349 0,950 2 0,226 0,962 0,700 3 0,343 0,926
0,125 2 0,044 0,997 1 0,741 0,724 2 0,816 0,695
1 0,362 0,945 0,310 3 0,030 0,997 1 0,991 0,357
0,130 2 0,047 0,997 2 0,240 0,958 0,750 3 0,422 0,905
1 0,376 0,941 1 0,756 0,710 2 0,871 0,657
0,135 2 0,051 0,996 0,320 3 0,033 0,997 1 0,996 0,333
1 0,389 0,936 2 0,254 0,954 0,800 3 0,512 0,880
0,140 2 0,055 0,996 1 0,771 0,696 2 0,917 0,621
1 0,402 0,931 0,330 3 0,036 0,996 1 0,998 0,312
0,145 2 0,058 0,995 2 0,268 0,950 0,850 3 0,614 0,852
1 0,415 0,926 1 0,785 0,683 2 0,954 0,587
0,150 2 0,062 0,995 0,340 3 0,039 0,996 1 0,999 0,294
1 0,428 0,921 2 0,282 0,945 0,900 3 0,729 0,821
0,155 2 0,066 0,994 1 0,798 0,670 2 0,979 0,555
1 0,441 0,916 0,360 3 0,047 0,994 0,950 3 0,857 0,786
0,160 2 0,071 0,994 2 0,312 0,936 2 0,995 0,526
1 0,454 0,910 1 0,823 0,644
0,165 2 0,075 0,993 0,380 3 0,055 0,993
1 0,466 0,904 2 0,342 0,926
0,170 2 0,079 0,993 1 0,846 0,619
figura NT7.13 Comparao dos Custos dos Tempos de Inativao do Servio e Reparo de Quatro Mquinas
NO DE OPERADORES NO DE MQUINAS INATIVAS CUSTO POR HORA DAS CUSTO DOS CUSTO TOTAL
(H L) MQUINAS INATIVAS OPERADORES PORHORA
[(H L) X US$ 40/HORA] (US$ 7/HORA CADA UM)
1 0,597 US$ 23,88 US$ 7,00 US$ 30,88
2 0,451 18,04 14,00 32,04
para S. A seguir, leia D e F. (Alm desses valores, outras caractersticas sobre o sistema de filas finitas podem
ser encontradas usando-se as frmulas finitas.)
Para solucionar o problema, considere o Caso I com um operador e o Caso II com dois operadores.
Caso I: Um operador. Conforme o enunciado do problema.
N4
S1
1
T 7 2 minutos
U 60 minutos
T 7,5
X 0,111
TU 7,5 60
Pela Figura NT7.12, que mostra a tabela N 4, F interpolado como aproximadamente 0,957 em X 0,111
e S 1.
O nmero de mquinas esperando na fila para serem consertadas L, em que
L N(1 F) 4(1 0,957) 0,172 mquina
O nmero de mquinas sendo consertadas H, no qual
H FNX 0,957(4)(0,111) 0,425 mquina
A Figura NT7.13 mostra o custo resultante do tempo inativo da mquina e o custo do operador.
Caso II: Dois operadores. Pela Figura NT7.12, em X 0,111 e S 2, F 0,998.
O nmero de mquinas esperando na fila, L,
L N (1 F) 4(1 0,998) 0,008 mquina
O nmero de mquinas sendo consertadas, H,
H FNX 0,998(4) (0,111) 0,443 mquina
Os custos de inativao das mquinas e dos dois operadores so exibidos na Figura NT7.13. A ltima coluna
dessa figura mostra que manter apenas um reparador a melhor escolha.
CLCULO APROXIMADO DO TEMPO DE ESPERA DO CLIENTE2

Boas notcias para os gerentes. Basta encontrar o desvio mdio e o desvio-padro para
calcular o tempo mdio de espera! Nada como boas pesquisas para se chegar a uma aproximao
matemtica rpida e improvisada dos modelos de filas ilustrados anteriormente na nota tcnica. O
interessante sobre a aproximao que ela no parte de uma taxa de chegada ou distribuio de ser-
vio especfico. Basta termos o desvio mdio e o desvio-padro do tempo entre chegadas e o tempo
do servio. No pretendemos esgotar o leitor com todos os detalhes de como as aproximaes se
derivaram, mas apenas demonstrar como usar as frmulas.
Em primeiro lugar, ser necessrio reunir alguns dados sobre o tempo do servio. O tempo do
servio a quantidade de tempo gasta para atender a cada cliente. No se esquea de que vai reunir os
dados durante um perodo que representa consideravelmente o suas expectativas sobre o perodo com
o qual est se deparando. Por exemplo, se quiser saber quantos caixas de banco voc deveria manter
para atender a seus clientes na sexta-feira perto do horrio de almoo, rena os dados referentes a esse
perodo. Isso vai assegurar que as transaes sendo realizadas sejam semelhantes quelas que voc
ter futuramente. Voc pode utilizar um cronmetro para contar quanto tempo se leva para atender a
cada cliente. Usando esses dados, calcule a mdia e o desvio-padro do tempo do servio.
Lembre de que, na estatstica, a mdia
[NT7.7] X N
i1
x1 N
em que xi valor observado e N nmero total de valores observados.

O desvio-padro
S
N
i1
(x1 X )2
N1

A seguir, anote os dados sobre a quantidade de tempo entre as chegadas de cada novo cliente durante o
perodo que est estudando. Isso denominado tempo entre chegadas. Com esses dados em mos, calcule
o desvio mdio e o desvio-padro do tempo entre chegadas. A partir desses clculos, temos
Xs Tempo mdio do servio

Xa Tempo mdio entre chegadas
Ss Desvio-padro da amostra do tempo do servio
Sa Desvio-padro da amostra do tempo entre chegadas
Em seguida, defina o seguinte:
Ss
Cs Coeficiente de variao do tempo do servio
Xs
Sa
Ca Coeficiente de variao do tempo entre chegadas
Xa
1
taxa de chegadas de clientes
Xa
1
Taxa de atendimento do cliente
Xs
Agora, podemos calcular algumas estatsticas sobre nosso sistema. Primeiro, defina S como o nmero
de atendentes que pretendemos usar. Ento,

Utilizao dos atendentes
S
2(S 1) Ca2 C2a
Lq Comprimento esperado da fila de espera
1 2
Ls Nmero esperado de pessoas no sistema Lq S
Wq Tempo estimado de espera na fila Lq

Ws Tempo esperado no sistema Ls

A utilizao () a porcentagem de tempo em que se espera que os atendentes estejam ocupados.
Muitas vezes as empresas que oferecem servios de alto nvel estabelecem esse nmero entre 70% e
80% dependendo da quantidade de varincia existente nas taxas de chegada e atendimento do cliente.
Lq o comprimento esperado da fila, e Wq quanto tempo se estima que o cliente vai esperar na fila.
Ls e Ws so o nmero esperado de clientes no sistema e o tempo esperado de um cliente no sistema.
Essas estatsticas consideram que o nmero total de clientes e o tempo total de espera devem incluir
aqueles que j esto de fato sendo atendidos.
EXEMPLO NT7.5: APROXIMAO NOS CLCULOS DA FILA DE ESPERA

Vamos considerar o exemplo de uma central de atendimento que recebe pedidos para uma empresa de servios
pelo correio. Durante o perodo de pico, o tempo mdio entre as chamadas (Xa) de 0,5 minuto, com desvio-padro
(Sa) de 0,203 minuto. O tempo mdio de atendimento a uma chamada (Xs ) de 4 minutos, e o desvio-padro
do tempo do servio (Ss) de 2,5 minutos. Se a central de atendimento estiver usando nove operadores para
atender s chamadas, quanto tempo se estima que o cliente vai esperar para ser atendido? Qual seria o impacto
de adicionar mais um operador?
SOLUO
Wq o tempo estimado para que um cliente espere at ser atendido. A melhor maneira de efetuar esse clculo
com uma planilha. A planilha Queue_Models.xls do DVD-ROM pode ser usada sem problemas. As seguintes
etapas so necessrias para o clculo do tempo de espera do cliente.
Excel: Etapa 1. Calcular a taxa esperada de chegadas de clientes (), taxa de atendimento por atendente (), coefi-
Queue.xls ciente de variao do tempo entre chegadas (Ca) e do tempo do servio (Cs ).
1 1
2 clientes por minuto
Xa 0,5
1 1
0,25 cliente por minuto
Xs 4
Sa 0,203
Ca 0,406
Xa 0,5
Ss 2,5
Cs 0,625
Xs 4
Etapa 2. Calcular a utilizao esperada do atendente ().

2
0,888889 (Espera-se que os operadores estejam ocupados
S 9 0,25
durante 89% do tempo)
Etapa 3. Calcular o nmero estimado de pessoas em espera (Lq) e a durao da espera (Wq).
2(S 1) Ca2 Cs2 0,8888892(9 1) 0,4062 0,6252

Lq 1,476064 cliente
1 2 1 0,888889 2
(Esse o nmero de clientes que estimamos que estaro em espera)
Lq 1,476064
Wq 0,738032 minuto
2
Em mdia, estimamos que os clientes esperem 44 segundos (0,738032 60) at conseguirem falar com um atendente.
Para dez operadores, o clculo se d desta maneira:
2
0,8 (Espera-se que os operadores estejam ocupados durante 80% do tempo)
S 10 0,25
2(S 1) Ca2 Cs2 0,82(10 1) 0,4062 0,6252

Lq 0,487579 cliente
1 2 1 0,8 2
Lq 0,487579
Wq 0,24379 minuto
2
Com dez operadores, o tempo de espera cortado em um tero para 14,6 segundos. Se voc adicionar dois ope-
radores (elevando o total para 11), o tempo de espera na fila ser de 6,4 segundos. A adio do primeiro operador
extra exerce um impacto significativo no tempo de espera do cliente.
Essa aproximao til para diversas situaes tpicas de filas. fcil implement-la usando uma
planilha como a Queue_Models.xls, includa no DVD-ROM disponvel na Editora. Lembre-se que a
aproximao parte do pressuposto de que a populao a ser atendida grande, e que os clientes chegam
um por vez. A aproximao pode ser til para uma anlise rpida da situao das filas de espera.
SIMULAO COMPUTADORIZADA DAS FILAS DE ESPERA

Alguns problemas relacionados s filas de espera, que parecem simples em primeira an-
lise, acabam se tornando extremamente difceis ou impossveis de solucionar. Ao longo desta seo,
tratamos das situaes de filas de espera que so independentes; isto , ou o sistema inteiro consiste
em uma fase nica, ou cada servio realizado em uma srie independente. (Isso poderia acontecer
se a produo de um local de servio puder ser acumulada na frente da prxima de modo que isso,
basicamente, torne-se uma populao solicitante para o prximo servio.) Quando uma srie de ser-
vios realizada em uma seqncia em que a taxa de produo de uma se torna a taxa de entrada da
prxima, fica invivel utilizar frmulas simples. Isso tambm vlido para qualquer problema em
que as condies no atendem s exigncias das equaes, conforme especificado na Figura NT7.9.
A tcnica mais adequada para solucionar esse tipo de problema a simulao computadorizada.
Trataremos o tpico de modelagem e simulao na Nota Tcnica 17.
CONCLUSO
Os problemas ligados s filas de espera desafiam e frustram aqueles que tentam solucio-
n-los. O objetivo bsico equilibrar o custo da espera com o custo da adio de mais recursos. Para
um sistema de servios, isso significa que a utilizao de um atendente pode ser consideravelmente
baixa para proporcionar um tempo de espera curto ao cliente. Uma das principais preocupaes ao
lidar com esses problemas qual procedimento ou regra de prioridade usar para selecionar o prximo
produto ou cliente a ser atendido.
Muitos problemas com filas parecem simples at haver uma tentativa de solucion-los. Esta nota
tcnica tratou dos problemas mais simples. Quando a situao se torna mais complexa, quando h
fases mltiplas ou os servios so realizados apenas em uma seqncia determinada, a simulao
computadorizada necessria para que se obtenha a soluo tima.
PA L AV R A S -C H AV E
Fila Uma linha de pessoas, tarefas, objetos etc. em espera. Distribuio exponencial Uma distribuio de probabilidade associa-
da muitas vezes aos tempos entre chegadas.
Sistema de organizao de filas Consiste em trs componentes principais:
1. a populao de origem e a forma como os clientes chegam ao sistema, 2. os Distribuio de Poisson Uma distribuio de probabilidade usada muitas
sistemas de atendimento e 3. como os clientes deixam ou saem do sistema. vezes para descrever o nmero de chegadas durante determinado perodo.
Taxa de atendimento A capacidade de um atendente, medida em nmero

Taxa de chegada O nmero esperado de clientes que chegam a cada
de unidades que podem ser processadas ao longo de determinado perodo.
perodo.
R E V I S O D E F R M U L A S
Distribuio exponencial
[NT7.1] f (t) et
Distribuio de Poisson
(T)n eT
[NT7.2] PT (n)
n!
Modelo 1 (Ver Figura NT7.10)

2 Lq n

Lq
( )
Wq

Pn 1 Po 1
[NT7.3]
Ls
Ls Ws

Modelo 2
2 Lq
Lq Wq
2 ( )
[NT7.4]
Ls
Ls Lq Ws

Modelo 3
Ls Lq / Wq Lq /
[NT7.5]
Wq Lq / Pw Lq S 1

Modelo 4
T
X H FNX L N F (1 F ) nLH
TU
[NT7.6]
N! n
Pn
(N n)!
X Po L N F(1 Fx)
L (T U) LT T U
W F
NL H TUW
Clculo aproximado do tempo de espera
X
N
xi N S
N
i 1
(xi X )2
i 1
N1
Ss Sa 1 1
Cs Ca
Xs Xa Xa Xs
[NT7.7]
S
2(S 1) Ca2 Cs2
Lq
1 2
LS Lq S
Lq
Wq

LS
WS

PROBLEMAS RESOLVID O S
PROBLEMA RESOLVIDO 1
A Quick Lube Inc. opera uma oficina de troca rpida de leo. Em um dia normal, os clientes chegam
Excel taxa de trs por hora, e o trabalho de troca realizado em uma mdia de uma a cada 15 minutos. Os
Queue.xls mecnicos trabalham em equipe em um carro por vez.
Supondo chegadas Poisson e servio exponencial, descubra

a. A utilizao da equipe de troca de leo.
b. O nmero mdio de carros na fila.
c. O tempo mdio que um carro espera para ter o leo trocado.
d. O tempo total gasto para o trajeto por todo o sistema (esperar na fila e trocar o leo).
Soluo
3, 4
a. Utilizao
3
75%.
4
2 32 9
b. Lq 2,25 carros na fila.
( ) 4( 4 3) 4
Lq 2,25
c. Wq 0,75 hora ou 45 minutos.
3
Ls 3
d. Ws 4 3 3 1 hora (espera troca).

A American Vending Inc. (AVI) fornece comida para as mquinas automticas de uma grande universidade. Como
os alunos costumam chutar as mquinas por raiva ou frustrao, a gerncia enfrenta a necessidade de reparos cons-
tantes. Em mdia trs mquinas quebram por hora e as panes so distribudas no formato Poisson. Os perodos
de inativao custam empresa US$ 25/hora, por mquina, e cada funcionrio de manuteno recebe US$ 4 por
hora. Um funcionrio consegue consertar as mquinas a uma taxa mdia de cinco por hora, distribudas exponen-
cialmente; dois funcionrios trabalhando juntos conseguem dar conta de sete por hora, distribudas exponencial- Excel
mente; e uma equipe de trs funcionrios consegue reparar oito por hora, distribudas exponencialmente.
Queue.xls
Qual o tamanho ideal da equipe de manuteno para o reparo das mquinas?
Soluo
Caso I Um funcionrio
3/hora Poisson, 5/hora exponencial
Existe um nmero mdio de mquinas no sistema de
3 3 1
Ls 1 mquina
53 2 2
O custo de inativao de US$ 25 1,5 US$ 37,50 por hora; o custo de reparo de US$ 4,00 por hora;
e o custo total por hora para 1 funcionrio de US$ 37,50 US$ 4,00 US$ 41,50.
Inativao (1,5 US$ 25) US$ 37,50
Mo-de-obra (1 funcionrio US$ 4) 4,00
US$ 41,50
Caso II Dois funcionrios

3, 7
3
Ls 0,75 mquina
73
Inativao (0,75 US$ 25) US$ 18,75
Mo-de-obra (2 funcionrios US$ 4,00) 8,00
US$ 26,75
Caso III Trs funcionrios

3, 8
3 3
Ls
8 3 5 0,60 mquina
Inativao (0,60 US$ 25) US$ 15,00
Mo-de-obra (3 funcionrios US$ 4,00) 12,00
US$ 27,00
Comparando os custos referentes a um, dois ou trs funcionrios, podemos concluir que o Caso II, com dois
funcionrios, a deciso ideal.
O American Bank possui um nico caixa eletrnico (ATM) em um shopping center. Foram reunidos
dados durante um perodo de pico de uso em um sbado tarde, e se descobriu que o tempo mdio entre
Excel as chegadas dos clientes de 2,1 minutos, com desvio-padro de 0,8 minuto. Notou-se tambm que um
cliente demora em mdia 1,9 minuto para concluir uma transao, com desvio-padro de 2 minutos.
Queue.xls
Aproximadamente quanto tempo os clientes vo precisar esperar na fila durante o perodo de pico?
Soluo
Etapa 1. Calcular a taxa esperada de chegada de clientes (), a taxa de atendimento por atendente (), o
coeficiente de variao para a distribuio de chegadas (Ca) e para a distribuio do servio (Cs).
1 1
Xa 2,1
1 1
Xs 1,9
S 0,8
Ca a 0,380952
Xa 2,1
Ss 2
Cs 1,052632
Xs 1,9
Etapa 2. Calcular a expectativa de utilizao esperada pelo atendente ().
0,47619
0,904762 (Espera-se que os operadores fiquem ocupados 90,5%).
S 1 0,56316
Etapa 3. Calcular o nmero de pessoas esperando (Lq) e a durao da espera (Wq).
2(S 1) Ca2 Cs2 0,9047622(1 1) 0,3809522 1,0526322

Lq
1 2 1 0,904762 2
5,385596 clientes
(Esse o nmero de clientes que estimamos que ficaro em espera.)
Lq 5,385596
Wq 11,30975 minutos
0,47619
Em mdia, estimamos que os clientes esperem 11 minutos e 19 segundos (0,30975 60) para que consigam
usar o caixa eletrnico.
QU E S T E S PA R A DI S C U S S O E R E V I S O
1. Os fatores culturais afetam as filas de espera. Por exemplo, filas de caixas rpidos (isto , dez itens ou
menos) no so comuns no Japo. Por que voc acha que isso acontece?
2. Por quantas filas de espera voc teve de passar em sua ltima viagem de avio?
3. Diferencie um canal e uma fase.
4. Qual o principal trade-off de custo que deve ser feito ao administrar situaes de fila de espera?
5. Quais suposies so necessrias para empregar as frmulas fornecidas para o Modelo 1?
6. De que forma a regra de atendimento por ordem de chegada pode ser injusta com o cliente que aguarda
ser atendido em um banco ou hospital?
7. Defina, em um sentido prtico, o que significa tempo de servio exponencial.
8. Voc acha que a distribuio exponencial seria uma boa aproximao dos tempos de servio para
a. Comprar uma passagem de avio em um aeroporto?
b. Passear em um carrossel em um parque de diverses?
c. Fazer o checkout em um hotel?
d. Concluir uma prova em sua aula de Administrao de Operaes?
9. Voc acha que a distribuio de Poisson seria uma boa aproximao de
a. Corredores cruzando a linha de chegada na maratona de Boston?
b. Tempos de chegada dos alunos em sua aula de Administrao de Operaes?
c. Tempos de chegada do nibus em seu ponto na escola?
PR O B L E M A S
1. Os alunos chegam secretaria em uma mdia de um a cada 15 minutos, e suas solicitaes demoram uma
mdia de dez minutos para serem processadas. O balco de atendimento possui apenas uma funcionria,
Judy Gumshoes, que trabalha oito horas por dia. Use chegadas Poisson e tempos de servio exponen-
ciais.
a. Qual a porcentagem de tempo em que Judy fica ociosa?
b. Quanto tempo, em mdia, um aluno gasta esperando na fila?
c. Em mdia, qual a durao da fila (espera)?
d. Qual a probabilidade de que um aluno que est chegando (pouco antes de entrar na secretaria)
encontre pelo menos outro aluno esperando na fila?
2. Os coordenadores da secretaria estimam que o tempo que um aluno gasta esperando na fila custa a eles
(em virtude da perda de receita etc.) US$ 10 por hora. Para reduzir o tempo de espera na fila, eles sabem
que precisam melhorar o tempo de processamento de Judy (ver Problema 1). Eles esto, no momento,
considerando as duas opes seguintes:
a. Instalar um sistema de computadores, por meio do qual espera-se que Judy conseguir concluir uma
solicitao de um aluno 40% mais rpido (dos 2 minutos por solicitao para 1 minuto e 12 segun-
dos, por exemplo).
b. Contratar outro funcionrio temporrio, que trabalhar na mesma velocidade que Judy.
Se o computador custa US$ 99,50 para funcionar por dia, enquanto o funcionrio temporrio recebe US$
75 por dia, Judy est correta ao preferir a ajuda do outro funcionrio? Utilize a distribuio de Poisson
e os tempos de servio exponenciais.
3. A Sharp Discounts Wholesale Club possui dois atendentes, um em cada entrada da loja. Os clientes che-
gam em cada balco em uma mdia de um a cada seis minutos. A taxa de atendimento em cada balco
de quatro minutos por cliente.
a. Com que freqncia (qual porcentagem de tempo) cada atendente fica ocioso?
b. Qual a probabilidade de ambos os atendentes estarem ocupados?
c. Qual a probabilidade de ambos os atendentes estarem ociosos?
d. Quantos clientes, em mdia, esperam na fila que se forma na frente de cada balco?
e. Quanto tempo um cliente gasta no balco (espera na fila mais tempo do servio)?
4. A Sharp Discounts Wholesale Club est considerando consolidar os dois balces (ver Problema 3) em
um local s, atendido por dois funcionrios. Os funcionrios vo continuar trabalhando no mesmo ritmo
individual de quatro minutos por cliente.
a. Qual a probabilidade de espera na fila?
b. Quantos clientes, em mdia, esperam na fila?
c. Quanto tempo um cliente gasta no balco (espera mais tempo do servio)?
d. Voc acha que a Sharp Discounts Wholesale Club deve consolidar os balces?
5. A Burrito King (uma nova franquia de fast-food, sendo inaugurada em mbito nacional) teve xito na
automao da produo de burritos para seus estabelecimentos de fast-food drive-through. O Burro-
Master 9000 requer um tempo constante de 45 segundos para produzir um lote de burritos. Estimou-se
que os clientes vo chegar no guich drive-through de acordo com a distribuio de Poisson, em uma
mdia de um a cada 50 segundos. Para ajudar a determinar a quantidade de espao necessria para a fila
no guich, a Burrito King gostaria de saber qual o tempo mdio esperado no sistema, o comprimento
mdio da fila (em carros) e o nmero mdio de carros no sistema (tanto na fila como no guich).
6. O Cine Bijou em Hermosa Beach, na Califrnia, exibe filmes clssicos. Os clientes chegam fila do
cinema taxa de 100 por hora. O vendedor de ingressos fica, em mdia, 30 segundos com cada cliente,
e suas tarefas incluem colar os selos de validao do bilhete de estacionamento do cliente e marcar os
cartes de fidelidade dos clientes. (Em razo desses servios adicionais, muitos clientes s conseguem
comprar o ingresso depois que o filme j comeou.)
a. Qual o tempo mdio de espera do cliente no sistema?
b. Qual seria o efeito no tempo de espera do sistema se houvesse um segundo atendente que cuidasse exclu-
sivamente das validaes e cartes, cortando assim o tempo mdio do servio para 20 segundos?
c. O tempo de espera no sistema seria menor do que o que voc encontrou na questo b, se um segundo
guich fosse aberto e cada atendente realizasse as trs tarefas?
7. Para colaborar na Semana Nacional do Corao, a Associao do Corao planeja instalar uma cabine para
exames de presso gratuitos no shopping center El Con Mall durante toda a semana. A experincia anterior
indica que, em mdia, dez pessoas por hora solicitam o exame. Utilize chegadas Poisson para uma populao
infinita. As medidas de presso sangnea podem ser realizadas em um tempo constante de cinco minutos cada.
Suponha que a extenso da fila possa ser infinita, com disciplina de atendimento por ordem de chegada.
a. Qual o nmero mdio de pessoas que podem ser esperadas na fila?
b. Qual o nmero mdio de pessoas que podem ser esperadas no sistema?
c. Qual a quantidade mdia de tempo que uma pessoa pode esperar gastar na fila?
d. Em mdia, quanto tempo levar para medir a presso de uma pessoa, incluindo a espera na fila?
e. Nos finais de semana, a taxa de chegada deve aumentar para mais de 12 por hora. Que efeito isso
provocar no nmero na fila de espera?
8. Uma cantina possui uma cafeteira de onde os clientes se servem sozinhos. As chegadas at a cafeteira
seguem a distribuio de Poisson, taxa de trs por minuto. Ao se servirem, os clientes demoram cerca
de 15 segundos, distribudos exponencialmente.
a. Quantos clientes se espera ver, em mdia, na cafeteira?
b. Quanto tempo se espera que levaria para pegar uma xcara de caf?
c. Qual a porcentagem de tempo em que a cafeteira est sendo usada?
d. Qual a probabilidade de que trs ou mais pessoas estejam na cantina?
e. Se a cantina instalar uma mquina automtica que sirva uma xcara de caf em um tempo constante
de 15 segundos, como isso mudaria as respostas s questes a e b?
9. Uma empresa de engenharia mantm um especialista tcnico para auxiliar quatro engenheiros projetis-
tas em um projeto. A ajuda prestada pelo especialista aos engenheiros varia amplamente, em termos de
consumo de tempo. O especialista sabe algumas respostas de cor; outras respostas exigem clculos, e
outras exigem ainda um tempo de pesquisa. Em mdia, cada solicitao de assessoria consome uma hora
do tempo do especialista.
Os engenheiros solicitam ajuda do especialista, em mdia, uma vez por dia. Como cada atendimento
demora cerca de uma hora, cada engenheiro consegue trabalhar por sete horas, em mdia, sem ajuda
alguma. Mais um detalhe: os engenheiros que precisam de ajuda no interrompem o especialista caso
ele j esteja debruado sobre outro problema.
Considere este como um problema de filas finitas e responda s seguintes questes:
a. Quantos engenheiros, em mdia, esto esperando pela assessoria do especialista?
b. Qual o tempo mdio que um engenheiro deve esperar pelo especialista?
c. Qual a probabilidade de que um engenheiro tenha de esperar na fila pela ajuda?
10. L. Winston Martin (um alergista de Tucson) possui um excelente sistema para atender a pacientes
habituais que vo clnica apenas para tomar injees contra alergias. Os pacientes chegam para tomar
a injeo e preenchem uma ficha com nome, que ento colocada em uma urna aberta e levada outra
sala, atendida por uma ou duas enfermeiras. As injees especficas de um paciente so preparadas, e o
paciente chamado pelo alto-falante para que receba a injeo. Em alguns momentos do dia, o fluxo de
pacientes cai e apenas uma enfermeira necessria para aplicar as injees.
Vamos nos concentrar no cenrio mais simples ou seja, quando h uma enfermeira. Suponha
tambm que os pacientes cheguem da maneira Poisson, e que a taxa de atendimento da enfermeira seja
distribuda exponencialmente. Durante esse perodo de menos movimento, os pacientes chegam com um
tempo entre chegadas de aproximadamente trs minutos. A enfermeira demora, em mdia, dois minutos
para preparar o soro dos pacientes e aplicar a injeo.
a. Qual o nmero mdio que voc esperaria ver no consultrio do Dr. Martin?
b. Quanto tempo levaria para a um paciente chegar, tomar a injeo e sair?
c. Qual a probabilidade de que haja trs ou mais pacientes no local?
d. Qual a utilizao da enfermeira?
e. Suponha que trs enfermeiras estejam disponveis. Cada uma leva cerca de dois minutos para preparar
o soro dos pacientes e aplicar a injeo. Qual o tempo mdio total de um paciente no sistema?
11. O Servio de Imposto de Renda de Judy Gray est analisando suas operaes de atendimento de clientes
durante o ms que precede o prazo de declarao, em abril. Com base em dados histricos, o escritrio
estima que os clientes chegam de acordo com o processo Poisson, com tempo mdio entre chegadas de
12 minutos. O tempo para concluir uma declarao de um cliente distribudo exponencialmente, em
uma mdia de dez minutos. Com base nessas informaes, responda s seguintes perguntas:
a. Se voc fosse at esse escritrio, quanto tempo toleraria esperar para que sua declarao ficasse pronta?
b. Em mdia, qual seria o tamanho do espao reservado para a rea de espera?
c. Se Judy ficasse no escritrio 12 horas por dia, quantas horas por dia, em mdia, ela ficaria ocupada?
d. Qual a probabilidade de o sistema ficar ocioso?
e. Se a taxa de chegada permanecesse inalterada, mas o tempo mdio no sistema precisasse ser de 45
minutos ou menos, o que precisaria ser modificado?
12. Uma empresa de reproduo grfica possui quatro equipamentos automticos, mas, que pode vir a se tor-
nar inativos em razo da necessidade de peas, manuteno e reparo. Cada equipamento requer servios
aproximadamente duas vezes por hora, ou, mais precisamente, cada equipamento opera em uma mdia
de 30 minutos sem precisar de servio. Os tempos do servio variam bastante, de um servio simples
(como apertar o boto de reincio ou reposicionar o papel) at a desmontagem do equipamento. O tempo
mdio do servio, porm, de cinco minutos.
A inativao dos equipamentos resulta em uma perda de US$ 20 por hora. O reparador do equipa-
mento recebe US$ 6 por hora.
Usando a anlise de filas finitas, responda s seguintes perguntas:
a. Qual o nmero mdio de equipamentos na fila?
b. Qual o nmero mdio de equipamentos ainda em operao?
c. Qual o nmero mdio de equipamentos sendo reparados?
d. A empresa est considerando adicionar outro tcnico que tambm receberia US$ 6. Isso aconselhvel?
13. Benny, o barbeiro, possui uma barbearia com apenas uma poltrona. Na escola de formao de barbeiros,
informaram a Benny que seus clientes apresentariam uma distribuio de chegada Poisson, e que ele
ofereceria uma distribuio de servio exponencial. Seus dados de pesquisa de mercado indicam que os
clientes chegam taxa de dois por hora. Benny vai demorar uma mdia de 20 minutos para concluir um
corte. Com base nesses nmeros, descubra:
a. O nmero mdio de clientes esperando.
b. O tempo mdio de despesa para um cliente.
c. O tempo mdio que um cliente passa na barbearia.
d. A utilizao mdia do tempo de Benny.
14. Benny, o barbeiro (ver Problema 13), est pensando em adicionar uma segunda poltrona. Os clientes
seriam chamados para cortar o cabelo por ordem de chegada. Benny estimou que ambos os barbeiros
demorariam uma mdia de 20 minutos para concluir um corte, e que o negcio no sofreria mudanas
com clientes chegando taxa de dois por hora. Descubra as informaes a seguir para ajudar Benny a
decidir se deve ou no acrescentar a segunda poltrona:
a. O nmero mdio de clientes esperando.
b. O tempo mdio que um cliente espera.
c. O tempo mdio que o cliente passa na barbearia.
15. Os clientes entram no setor de cmeras de uma loja mdia de seis por hora. O departamento possui
um funcionrio que demora, em mdia, seis minutos para atender a cada pessoa. Suponha que seja uma
situao simples de tempo de servio distribudo exponencialmente com chegadas Poisson.
a. Como um observador casual, quantas pessoas voc esperaria ver no setor de cmeras (excluindo o
funcionrio)? Quanto tempo um cliente esperaria gastar no setor de cmeras (tempo total)?
b. Qual a utilizao do funcionrio?
c. Qual a probabilidade de haver mais de duas pessoas no setor de cmeras (excluindo o funcionrio)?
d. Outro atendente foi contratado para trabalhar no setor de cmeras, e ele tambm demora seis minutos
para atender a cada chegada. Quanto tempo o cliente deve esperar gastar no setor agora?
16. Cathy Livingston, bartender do Tucson Racquet Club, consegue servir bebidas taxa de uma a cada 50
segundos. Em uma noite quente, o bar ficou mais cheio do que o normal, e a cada 55 segundos algum
ia at o balco pedir uma bebida.
a. Supondo que todos no bar bebiam mesma taxa, e que Cathy atendia s pessoas por ordem de che-
gada, quanto tempo voc acha que teria de esperar para conseguir uma bebida?
b. Quantas pessoas voc acha que ficariam esperando pelas bebidas?
c. Qual a probabilidade de que trs ou mais pessoas esperem pelas bebidas?
d. Qual a utilizao da bartender (qual sua porcentagem de ocupao)?
e. Se a bartender for substituda por uma mquina automtica que sirva bebidas, como isso mudaria sua
resposta na questo a?
17. Um escritrio emprega diversos funcionrios que produzem documentos e um operador que insere as
informaes do documento em um processador de textos. A equipe produz documentos taxa de 25 por
hora. O operador consegue inserir as informaes com o tempo mdio distribudo exponencialmente de
dois minutos. Suponha que a populao seja infinita, as chegadas sejam Poisson e a extenso da fila seja
infinita, com disciplina de atendimento por ordem de chegada.
a. Calcule a porcentagem de utilizao do operador.
b. Calcule o nmero mdio de documentos no sistema.
c. Calcule o tempo mdio no sistema.
d. Calcule a probabilidade de quatro ou mais documentos estarem no sistema.
e. Se outro funcionrio fosse adicionado, a taxa de produo de documentos aumentaria para 30 por
hora. O que isso provocaria na carga de trabalho do processador de texto? Demonstre por qu.
18. Uma sala de reforo aos estudos, coordenada por um aluno de ps-graduao, foi preparada para responder
dvidas de alunos e ajud-los a solucionar problemas do curso de Administrao de Operaes. O servio
prestado oito horas por dia. O reitor deseja saber como a sala est funcionando. As estatsticas mostram
que os alunos chegam taxa de quatro por hora, e a distribuio aproximadamente Poisson. O tempo
de auxlio , em mdia, de dez minutos, distribudos exponencialmente. Suponha que a populao e a

extenso da fila possam ser infinitas, e que a disciplina da fila seja por ordem de chegada.
a. Calcule a porcentagem de utilizao do aluno de ps-graduao.
b. Calcule o nmero mdio de alunos no sistema.
c. Calcule o tempo mdio no sistema.
d. Calcule a probabilidade de quatro ou mais alunos estarem na fila ou serem atendidos.
e. Na vspera de uma prova, a chegada de alunos aumenta para cerca de seis por hora. O que isso causa
na durao mdia da fila?
19. No posto de fiscalizao de fronteira da Califrnia, os veculos chegam taxa de dez por minuto na dis-
tribuio de Poisson. Para simplificarmos esse problema, suponha que haja apenas uma pista e um fiscal,
que consegue vistoriar os veculos taxa de 12 por minuto, de maneira distribuda exponencialmente.
a. Qual a durao mdia da fila?
b. Qual o tempo mdio que um veculo deve esperar para conseguir passar pelo local?
c. Qual a utilizao do fiscal?
d. Qual a probabilidade de que quando voc chegue no local j existam trs ou mais veculos na sua
frente?
20. O posto de fiscalizao de fronteira da Califrnia (ver Problema 19) est considerando a adio de um
segundo fiscal. Os veculos esperariam em uma pista e ento seriam direcionados ao primeiro fiscal
disponvel. As taxas de chegada permaneceriam iguais (dez por minuto), e o novo fiscal faria a vistoria
no mesmo ritmo do primeiro fiscal (12 carros por minuto).
a. Qual seria a extenso mdia da fila de espera?
b. Qual seria o tempo mdio que um veculo deve esperar conseguir passar pelo local?
Se uma segunda pista fosse adicionada (uma pista para cada fiscal):
c. Qual seria a extenso mdia da fila?
d. Qual seria o tempo mdio que um veculo precisaria esperar para conseguir passar pelo local?
21. Durante os eventos do campus Spring Fling, a atrao de carros bate-bate apresenta um problema com
os carros, que deixam de funcionar e precisam de conserto. A equipe de tcnicos pode ser contratada
taxa de US$ 20 por hora, mas eles trabalham apenas em equipe. Assim, se uma pessoa for contratada,
ela trabalhar sozinha; duas ou trs pessoas trabalharo juntas no mesmo conserto.
Um tcnico consegue consertar seis carros em um tempo mdio de 30 minutos. Dois tcnicos
demoram 20 minutos e trs tcnicos, 15 minutos. Enquanto esses carros esto inativos, o lucro perdido
de US$ 40 por hora. Os carros costumam quebrar taxa de dois por hora.
Quantos tcnicos precisam ser contratados?
22. Um pedgio decidiu experimentar usar cartes de dbito para a cobrana. Inicialmente, apenas uma
pista ser usada. Estima-se que os carros cheguem a essa pista experimental taxa de 750 por hora. A
expectativa que demore exatamente quatro segundos para verificar o carto de dbito.
a. Quanto tempo, voc estima, o cliente levaria entre esperar na fila, pagar com o carto de dbito e sair?
b. Quantos carros voc esperaria ver no local?
23. Voc est fazendo o planejamento de um banco. Est considerando seis caixas. Os caixas demoram 15
minutos com cada cliente, com desvio-padro de sete minutos. Chega um cliente a cada trs minutos,
de acordo com a distribuio exponencial (lembre-se que o desvio-padro igual mdia). Todos os
clientes que chegam acabam sendo atendidos.
a. Em mdia, quantos clientes estariam esperando na fila?
b. Em mdia, quanto tempo um cliente gastaria no banco?
c. Se um cliente chegou, viu a fila e decidiu no entrar nela, esse cliente teve um comportamento de
___________.
d. Um cliente que entrou na fila, mas decidiu deix-la antes de ser atendido, teve um comportamento
de ___________.
24. Voc est planejando o novo layout para a agncia local do banco Sixth Ninth. Est considerando guichs
de caixas separados para as trs classes diferentes de servio. Cada categoria de servio seria separada
com seus prprios caixas e clientes. Estranhamente, cada categoria de servio, embora diferente, pos-
sui exatamente a mesma demanda e os mesmos tempos de servio. As pessoas de uma das categorias
chegam a cada quatro minutos, e os tempos de chegada so distribudos exponencialmente (o desvio-
padro igual mdia). So necessrios sete minutos para atender a cada cliente, e o desvio-padro dos
tempos do servio de trs minutos. Voc designou dois caixas para cada tipo de servio.
a. Em mdia, qual ser o comprimento de cada fila em cada guich?
b. Em mdia, quanto tempo um cliente gastar no banco (imagine que ele entre, v direto para a fila e
saia assim que termina de ser atendido).
Voc decide consolidar todos os caixas para que possam atender a todos os tipos de clientes sem aumentar
os tempos do servio.
c. O que acontecer com a quantidade de tempo que cada caixa fica ocioso? (aumenta, diminui, per-
manece igual, depende de _______).
d. O que acontecer com a quantidade mdia de tempo que um cliente gasta no banco? (aumenta,
diminui, permanece igual, depende de _______).
BI B L I O G R A F I A SE L E C I O N A D A
DAVIS, M. M.; MAGGARD, M. J. An Analysis of Customer Satisfaction KATZ, K. L. et al. Prescription for the Waiting-in-Line Blues: Entertain,
with Waiting Times in a Two-Stage Service Process. Journal of Operations Enlighten, and Engage. Sloan Management Review, v. 32, n. 2, p. 44-53, inverno
Management, v. 9, n. 3, p. 324-334, ago. 1990. 1991.
FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Service Management. 4. ed. KLEINROCK, L.; GAIL, R. Queuing Systems: Problems and Solutions. Nova
Nova York: Irwin/McGraw-Hill, 2003. York: Wiley, 1996.
GROSS, D.; HARRIS, C. M. Fundamentals of Queuing Theory. Nova York: WINSTON, W. L.; ALBRIGHT, S. C. Practical Management Science:
Wiley, 1997. Spreadsheet Modeling and Application. Nova York: Duxbury, 2000.
HILLIER, F. S. et al. Queuing Tables and Graphs. Nova York: Elsevier-North

Holland, 1981.
NO TA S
1. n! definido como n(n 1)(n 2) ... (2)(1).
2. Agradecemos imensamente a Gilvan Souza, da Faculdade de Administrao Robert H. Smith, University of Maryland, por colaborar com
esta seo.

Texto e Exercicio Da Filas de Espera PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Texto e Exercicio Da Filas de Espera PDF

Enviado por

Direitos autorais:

Formatos disponíveis

ADMINISTRAO DA FILA DE ESPERA nota tcnica 1

ADMINISTRAO DA PRODUO E OPERAES

Bangcoc Beijing Bogot Caracas Cidade do Mxico Cingapura

3 A Economia no Problema das Filas de Espera

5 O Sistema de Organizao de Filas

12 Modelos de Fila de Espera

20 Clculo aproximado do Tempo de Espera do Cliente

23 Simulao Computadorizada das Filas de Espera

O SISTEMA DE COBRANA DE PEDGIO

A ECONOMIA NO PROBLEMA DAS FILAS DE ESPERA

VISO PRTICA DAS FILAS DE ESPERA

figura NT7.1 Trade-off Capacidade do Servio versus Fila de Espera

Custo Custo da capacidade

figura NT7.2 Perfis de Chegada e Atendimento

SUGESTES PARA A ADMINISTRAO DE FILAS

O SISTEMA DE ORGANIZAO DE FILAS

CHEGADA DOS CLIENTES

figura NT7.3 Componentes de um Sistema de Filas

Fila de espera Atendentes

cliente atendido e retorna ao grupo de usurios, a populao aumenta e a probabilidade de um usu-

P o p u l a o I n f i n i t a Uma populao infinita grande o suficiente em relao ao

DISTRIBUIO DAS CHEGADAS

Distribuio Exponencial figura NT7.4

D i s t r i b u i o E x p o n e n c i a l No primeiro caso, quando as chegadas a um estabelecimento

[NT7.1] f (t) e-t

em que o nmero mdio de chegadas por perodo.

(1) (2) (3)

t (MINUTOS) OU RESOLVENDO et) [1 COLUNA (2)]

D i s t r i b u i o d e P o i s s o n No segundo caso, em que se deseja descobrir o nmero de

figura NT7.5 Distribuio de Poisson para T 3

figura NT7.6 Chegadas de Clientes em Filas

Distribuio Exponencial ou Poisson

Paciente (entra na fila e fica)

Padres de chegadas. As chegadas em um sistema so muito mais controlveis do que normalmen-

O SISTEMA DE ORGANIZAO DE FILAS: FATORES

alguns fatores influenciados pela escolha das regras de prioridades.

Provavelmente, a regra de prioridades mais comum o atendimento por ordem de chegada

Atendimento por ordem

D i s t r i b u i o d o Te m p o d e A t e n d i m e n t o Outro importante recurso da estrutu-

E s t r u t u r a s d a F i l a Conforme mostra a Figura NT7.7, o fluxo de itens a serem atendidos

Estruturas das Filas figura NT7.7

Estrutura Canais mltiplos

Caminhos alternativos como:

MODELOS DE FILA DE ESPERA

figura NT7.8 Propriedades de Alguns Modelos Especficos de Filas de Espera

FASE DO POPULAO PADRO DE DISCIPLINA DA PADRO DO COMPRIMENTO EXEMPLO

Notaes das Equaes (Figura NT 7.10) figura NT7.9

Equaes Usadas para Solucionar os Problemas de Quatro Modelos figura NT7.10

(A Figura NT7.11 apresenta o valor de Lq considerando / e o nmero de atendentes S.)

Problema 3: Determinao do nmero de atendentes. O departamento de peas de uma con-

EXEMPLO NT7.1: CLIENTES NA FILA

Servio Parte 1 Supondo chegadas Poisson e servio exponencial, descubra

3. O nmero mdio no sistema

4. O tempo mdio de espera na fila

5. O tempo mdio de espera no sistema

EXEMPLO NT7.1 (Continuao)

para n 0, P0 (1 15/20) (15/20)0 0,250

Podemos solucionar isso por tentativa e erro para os valores de /. Se / 0,50.

0,95 0,5(1  0,5  0,25  0,125)

0,95 (1 0,45)(1  0,45  0,203  0,091)

0,95 (1  0,47)(1  0,47  0,221  0,104) 0,9512

EXEMPLO NT7.2: SELEO DE EQUIPAMENTOS

EXEMPLO NT7.3: DETERMINAO DO NMERO DE ATENDENTES

0,95 0,5(1 0,5 0,25 0,125)

0,95 (1 0,45)(1 0,45 0,203 0,091)

0,95 (1 0,47)(1 0,47 0,221 0,104) 0,9512

2(S 1) Ca2 Cs2 0,8888892(9 1) 0,4062 0,6252

2(S 1) Ca2 Cs2 0,82(10 1) 0,4062 0,6252

2(S 1) Ca2 Cs2 0,9047622(1 1) 0,3809522 1,0526322