PESQUISA OPERACIONAL: UMA APLICAÇÃO DA TEORIA

DAS FILAS A UM SISTEMA DE ATENDIMENTO



Rafael de Bruns
Sérgio Pacífico Soncim
Maria Cristina Fogliatti de Sinay - Phd
Instituto Militar de Engenharia – IME, Mestrado em Engenharia de Transportes.
Praça General Tibúrcio, 80. Praia Vermelha – Rio de Janeiro – RJ – CEP. 22.290-270



Abstract

This paper presents the application of the Queue Theory as a tool to evaluate the operation
system of department store attendance. The Queue Theory allows to foresee the behavior
of a system, facilitating the dimension of installations, equipments and personal.

Key words: Queue, Research e Operation



1. Introdução

As filas são uma constante da vida cotidiana das pessoas. Elas são enfrentadas com bom ou
mau humor, ou até com indiferença. O certo é que, no dia-a-dia, as filas constituem algo
desagradável, mas que deve ser encarado da melhor maneira possível. Já o analista de
sistemas de gerência, enfrenta problemas em que as filas surgem com implicações
econômicas sérias, exigindo um tratamento racional do fenômeno.

A Teoria das Filas é um setor da Pesquisa Operacional que utiliza conceitos básicos de
processos estocásticos e de matemática aplicada para analisar o fenômeno de formação de
filas e suas características. Foi desenvolvida com a finalidade de prever o comportamento
das filas de modo a permitir o dimensionamento adequado de instalações, equipamentos e
sua infra-estrutura.

É necessário deixar claro de início que os modelos nem sempre conseguem representar as
situações reais com grande precisão. Muitas vezes, as premissas necessárias ao
desenvolvimento matemático dos modelos envolvem simplificações substanciais. Mesmo
assim, há vantagem em desenvolver tais modelos, principalmente por que eles levam a um
melhor entendimento das principais condicionantes do processo.

Uma fila é caracterizada por um processo de chegadas (pessoas, veículos, trens, etc.) a um
sistema de atendimento formado por uma ou mais unidades de serviço. As unidades podem
ser atendidas individualmente (pedágio, porto, etc.), ou em grupos (pessoas num elevador,
veículos num semáforo, etc.).

No caso em estudo deste trabalho, a coordenação da operação de atendimento é realizada
pela própria gerência da empresa.

Dentro do contexto apresentado, o presente trabalho tem como objetivo avaliar os
parâmetros de efetividade do Sistema de Filas que se formam no acesso aos caixas de uma
Loja de Departamentos, utilizando-se do método da Teoria das Filas.

Pretende-se, ao final desta avaliação, por meio da análise dos parâmetros calculados,
confrontar os resultados obtidos para a situação vigente, descrita no estudo de caso, com as
hipóteses formuladas que sejam viáveis de serem implantadas.

2. Descrição do Sistema

A Loja de Departamentos em questão, situada em um estabelecimento comercial de grande
circulação de pessoas, possui 26 postos de atendimento (denominados Caixas).

Cada caixa tem a função de fazer a cobrança das compras efetuadas por clientes, possuindo
um sistema informatizado de atendimento.

O pagamento destas compras é efetuado com dinheiro, cheque ou cartão de crédito, sendo
que este último requer mais tempo de atendimento, pois necessita de consulta na operadora
do mesmo. Os clientes chegam para aguardar em uma fila única e são atendidos de acordo
com a ordem de chegada.

3. Modelagem Analítica do Sistema

Para definir o modelo de filas é necessário coletar e analisar os dados referentes às
chegadas dos clientes aos caixas, o número dos mesmos dispostos em paralelo e os tempos
despendidos para o serviço, assim como o tipo de fila que se forma, que no caso estudado,
a fila é única com atendimento seguindo a ordem de chegada dos clientes. Por se tratar de
um trabalho que tem como objetivo apresentar as técnicas da teoria de Filas, apenas uma
amostra foi coletada.

3.1. Chegada dos Clientes

A coleta de dados, dos tempos de chegada, foi realizada de tal maneira que foram
observados os tempos consecutivos de chegadas de clientes à fila.

Para a determinação do tipo de distribuição que se enquadram as chegadas dos clientes
consideraram-se intervalos de 1 minuto, obtendo-se a freqüência observada para cada
minuto considerado no estudo.Os dados referentes ao número de clientes que chegam aos
Postos de Atendimento são representados na tabela 3.1.

Nº de chegadas
em 1 Minuto
Freq.
Observada (Oi)
Freq. Rel.
Observ.
Freq.
Observ Ac
0 5 0,07 0,07
1 9 0,13 0,20
2 11 0,16 0,36
3 18 0,26 0,61
4 14 0,20 0,81
5 8 0,11 0,93
6 5 0,07 1,00
Total 70 1,00
Tabela 3.1 – Freqüências Observadas no processo de chegadas.

Em primeira análise, pode–se perceber a não existência de sazonalidade, assim como uma
tendência da curva da freqüência relativa observada (gráfico 3.1) a se conformar como uma
Distribuição de Poisson com taxa média (λ) de 3,014 clientes por minuto.

Freq. Rel. Observ.
0,00
0,10
0,20
0,30
0 1 2 3 4 5 6
Nº de Chegadas em 1 minuto
F
r
e
q
u
ê
n
c
i
a

o
b
s
e
r
v
a
d
a
Freq. Rel. Observ.

Gráfico 3.1 – Gráfico das Freqüências Relativas Observadas do Processo de Chegada.

A partir dos dados da tabela 3.1, partiu-se para o cálculo da freqüência calculada para a
realização dos testes de Aderência Gráfica e do Chi-quadrado, ou seja, testar se a variável
em questão, número de chegadas por unidade de tempo, segue uma distribuição de Poisson
com taxa 3,014 clientes por minuto, ao 5% de significância.

Nº de chegadas em 1 Minuto Freq. Rel. Calc. Freq. Calc. Ac. Freq. Calc (Ei) (Oi-Ei)
2
/Ei
0 0,05 0,05 3,44 0,71
1 0,15 0,20 10,36 0,18
2 0,23 0,43 15,61 1,36
3 0,23 0,67 15,68 0,34
4 0,17 0,84 11,82 0,40
5 0,11 0,95 7,12 0,11
6 0,05 1,00 3,58 0,56
Total 1 68 3,67
Tabela 3.2 – Freqüências Calculadas no processo de chegadas.

3.2 – Teste de Aderência Gráfica.

Os dados da tabela anterior foram plotados (gráficos 3.2 e 3.3) com a finalidade de se
realizar um teste de aderência gráfica para uma distribuição de Poisson com parâmetro λ =
3,014 clientes por minuto.
Distribuição Acumulada do
Número de Chegadas
0,00
0,50
1,00
0 2 4 6 8
N ú m e r o d e C h e g a d a s e m
1 M in u to
Freq. Observada
(Oi)
Freq. Calc (Ei)
Distribuição do Número de Chegadas
0,00
0,10
0,20
0,30
0 2 4 6 8
Número de Chegadas em 1
Minuto
F
r
e
q
u
e
n
c
i
a

R
e
l
a
t
i
v
a
Freq. Rel.
Observ.
Freq. Rel.
Calc.
Gráfico 3.2 – Aderência Gráfica Gráfico 3.3 – Freqüência Acumulada.

3.3 - Teste não Paramétrico para Distribuição de Poisson.

A partir dos dados da tabela 3.2, testam-se as seguintes hipóteses para a nédia de 3,23
clientes por minuto:


H
0
= a variável que representa o número de chegadas por unidade de tempo, segue uma
distribuição de Poisson com taxa 3,014 clientes por minuto, ao 5% de significância.

H
1
= a variável que representa o número de chegadas por unidade de tempo, não segue
uma distribuição de Poisson com taxa 3,014 clientes por minuto, ao 5% de significância.

Graus de Liberdade: =7 – 1 – 1 = 5, onde k é o número de intervalos e m é o
número de variáveis em questão.
1 − − = m k ν

Se
( )

=

=
N
i
Ei
Ei Oi
1
2
2
ν χ
> χ
2
ν, α
, então rejeita H
o
ao α % de significância, onde χ
2
ν, α
é um valor
tabelado e χ
2
ν
foi obtido da tabela 3.2. Como χ
2
ν
= 3,668 < χ
2
ν, α
= 11,071, então não há
indícios para se rejeitar H
o
ao 5%(α) de significância.

3.4 – Atendimento dos Clientes.

A coleta de dados, dos tempos de atendimento, foi realizada de tal maneira que foram
anotados os tempos gastos por cada caixa para realizar o seu atendimento.

Para a determinação do tipo de distribuição que se enquadram os tempos de atendimento
consideraram-se os tempos de atendimento entre 0 – 6 minutos, obtendo-se a freqüência
observada para cada intervalo considerado.

Os dados referentes ao número de clientes que foram atendidos por caixas por intervalo de
tempo considerado são representados na tabela 3.3. Da mesma forma que o processo de
chegadas, com os dados da tabela 3.3 a tabela 3.7, partiu-se para o cálculo da freqüência
calculada (tabela 3.4) e os testes não paramétricos.

Freq. Observada (Oi)
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 17 16 16 14 20 17 15 14 18 17 16
2 - 4 7 7 8 8 6 8 8 7 6 7 7
4 - 6 5 5 5 5 5 5 6 6 5 6 5
6 - 8 1 1 0 1 1 0 1 1 1 1 1
Total 30 29 29 28 32 30 30 28 30 31 29
1/u 2,33 2,38 2,24 2,50 2,19 2,20 2,53 2,57 2,27 2,42 2,38
Tabela 3.3 – Freqüência Observada para Atendimento.

Freq. Rel. Observ.
Tempo (minutos)
PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 – 2 0,57 0,55 0,55 0,50 0,63 0,57 0,50 0,50 0,60 0,55 0,55
2 – 4 0,23 0,24 0,28 0,29 0,19 0,27 0,27 0,25 0,20 0,23 0,24
4 – 6 0,17 0,17 0,17 0,18 0,16 0,17 0,20 0,21 0,17 0,19 0,17
6 – 8 0,03 0,03 0,00 0,04 0,03 0,00 0,03 0,04 0,03 0,03 0,03
Total 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Tabela 3.4 – Freqüência Relativa Observada para Atendimento.

Em primeira análise, pode – se perceber de uma forma geral, uma tendência da curva da
freqüência relativa observada a se conformar seguindo uma Distribuição Exponencial com
taxa média de 0,42 clientes por minuto, (gráficos 3.4 a 3.14).



Freq. Rel. Observ. P02
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
F r e q . R e l. O b s e r v . P 0 3
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tem po
Freq. Rel. Observ.
Freq. Rel. Observ. P01
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.















Freq. Rel. Observ. P04
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P05
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P06
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P09
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P08
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P07
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P10
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Freq. Rel. Observ. P11
0,00
0,10
0,20
0,30
0,40
0,50
0,60
-2 3 8
Intervalos de tempo
F
r
e
q
u
ê
n
c
i
a

R
e
l

O
b
s
e
r
v
a
d
a
Freq. Rel. Observ.
Gráficos 3.4 ao 3.14 – Freqüência Relativa Observada do Processo Atendimento.

Com os dados da tabela 3.4, partiu-se para o cálculo da freqüência calculada (tabela 3.5 a
3.7) e a realização do teste Chi-quadrado, ou seja, testar se a variável em questão, o tempo
de atendimento, segue uma distribuição Exponencial com taxa média 0,42 clientes por
minuto, ao 5% de significância.

Freq. Calc (Ei)
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 17,27 17,06 17,71 16,52 17,98 17,91 16,38 16,22 17,59 16,875 17,056
2 - 4 7,33 7,36 7,26 7,42 7,20 7,22 7,44 7,45 7,28 7,383 7,359
4 - 6 3,11 3,18 2,97 3,34 2,89 2,91 3,38 3,42 3,01 3,230 3,175
6 - 8 1,32 1,37 1,22 1,50 1,16 1,17 1,53 1,57 1,25 1,413 1,370
Total 29,03 28,96 29,15 28,78 29,23 29,21 28,72 28,66 29,12 28,901 28,96
Tabela 3.5 – Freqüência Calculada para Atendimento.





Freq. Rel. Calc.
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 0,59 0,59 0,61 0,57 0,62 0,61 0,57 0,57 0,60 0,58 0,59
2 - 4 0,25 0,25 0,25 0,26 0,25 0,25 0,26 0,26 0,25 0,26 0,25
4 - 6 0,11 0,11 0,10 0,12 0,10 0,10 0,12 0,12 0,10 0,11 0,11
6 - 8 0,05 0,05 0,04 0,05 0,04 0,04 0,05 0,05 0,04 0,05 0,05
Total 1 1 1 1 1 1 1 1 1 1 1
Tabela 3.6 – Freqüência Relativa Calculada para Atendimento.
(Oi-Ei)
2
/Ei
Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11
0 - 2 0,00 0,07 0,16 0,38 0,23 0,05 0,12 0,30 0,01 0,00 0,07
2 - 4 0,01 0,02 0,08 0,04 0,20 0,08 0,04 0,03 0,22 0,02 0,02
4 - 6 1,15 1,05 1,38 0,83 1,55 1,51 2,04 1,94 1,31 2,38 1,05
6 - 8 0,08 0,10 1,22 0,17 0,02 1,17 0,19 0,21 0,05 0,12 0,10
Total 1,25 1,23 2,84 1,43 2,00 2,81 2,38 2,48 1,60 2,52 1,23
Tabela 3.7 – Chi-quadrado Calculado.

3.5 – Testes Não Paramétricos para Distribuição Exponencial.

Serão testadas as hipóteses de que os tempos de atendimentos nos caixas estão idêntica e
exponencialmente distribuídos em torno a uma média de 2,36(1/u) minuto, onde
( )

=
=
11
1
,
*
11
1
i
i PO
u u .

H
0
= a variável que representa o tempo de atendimento segue uma distribuição
Exponencial com média igual a 2,36 minutos, ao 5% de significância.

H
1
= a variável que representa o tempo de atendimento não segue uma distribuição
Exponencial com média igual a 2,36 minutos, ao 5% de significância.
Se
( )

=

=
N
i
Ei
Ei Oi
1
2
2
ν χ
> χ
2
ν, α
, então rejeita H
o
ao α % de significância;

PO 1 2 3 4 5 6 7 8 9 10 11
χ
2
ν
1,25 1,23 2,84 1,43 2,00 2,81 2,39 2,48 1,59 2,52 1,23
χ
2
ν,α
3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84 3,84
Tabela 3.8 – Tabela Resumo Teste Não Paramétrico.

Como χ
2
ν
< χ
2
ν, α
, para todos os posto, então não há indícios para se rejeitar H
o
ao 5% de
significância.

4. O Modelo de Filas

O modelo ajustado segundo os dados obtidos é M / M / 11 / ∞ / FIFO (Notação de
Kendall), com λ = 3,014 clientes por minuto e u = 0,42 clientes por minuto. Os parâmetros
a serem calculados e que representam a operacionalidade do sistema são:
• L(c) = Número médio de clientes no sistema;
• W(c) = Tempo médio de permanência de um cliente qualquer no sistema;
• Lq(c) = Número médio de clientes na fila aguardando atendimento;
• Wq(c) = Tempo médio de permanência de um cliente qualquer na fila;

• Po = Probabilidade de o sistema estar vazio (igual a ociosidade total do sistema);

4.1 – Situação Usual do Sistema.

Utilizando-se as fórmulas descritas abaixo, para a situação atual (· = 3,014, u = 0,42 e C =
11),, pode-se verificar

Formulas para o sistema M/M/C/∝/FIFO
u
λ
= r ,
u
λ
ρ
* c
= , ( )
1
1
0
) 1 !*( !


=


+
|
|
.
|

\
|
=

ρ c
r
n
r
c Po
c c
n
n
, ( )
( )
( ) ( )
2
1
! 1 r c c
r c Po
q Lq
c
− −
=
+
, ( )
( )
( )
2
1 !*
*
ρ
ρ

+ =
c
r c Po
r c L
c
,
( )
( )
λ
c Lq
c Wq = , ( ) ( )
u
1
+ = c Wq c W
que ocorre uma ociosidade (Po) de 34% do tempo e também um tempo de espera na fila de
0,20 minutos , ou seja, o cliente chega e praticamente se dirige para o caixa, então,
podemos concluir que o sistema esta superdimensionado, do ponto de vista da gerência.
Assim, verificou-se o comportamento do sistema no caso de aumento da demanda,
mantendo-se o número de postos de atendimento.

5.2 – Situação para Projeção em Dia de Pico.

Considerando um aumento na demanda para 5.000 clientes no dia de maior movimento, a
gerência da Loja sobe a oferta de 11 postos de atendimento para 20 caixas. Abordaremos
esta situação, mantendo a taxa de atendimento constante u = 0,42 clientes por minuto e
considerando a nova demanda, equivalente a λ = 7 clientes por minuto.

Pode-se verificar que ocorre uma ociosidade do sistema de 17% do tempo e também um
tempo de espera na fila de 0,542 minutos, o cliente espera um pouco antes de se dirigir
para o caixa, mas ainda é um tempo pequeno, que não causa desconforto ao cliente, ou
seja, o sistema continua superdimensionado.

5.3 – Variando os Postos de Atendimento de 8 a 11

Neste modelo, variou-se o número de postos de atendimento, para verificar se a redução de
postos afetaria substancialmente os tempos de espera do cliente no sistema. Os resultados
encontram-se na tabela 4.1 e no gráfico 4.1.







Tabela 4.1: Variação do número de postos de 8 a 11


Gráfico 4.1 – Variação do Número de Postos de Atendimento
6.295813
2.467387
W c ( )
11 8 c
8 9 10 11
2
4
6
8
Número de Postos de Atendimento
T
e
m
p
o

d
e

E
s
p
e
r
a

n
o

S
i
s
t
e
m
a
L(c) W(c) Lq(c) Wq(c)
7,92 6,30 11,80 3,92
7,74 3,06 2,04 0,677
7,58 2,60 0,66 0,221
7,43 2,44 0,261 0,086

Pode-se observar que variando de 8 a 11 postos de atendimento, considerando a situação
atual do sistema, o ideal do ponto de vista da gerência seria dispor de 9 Caixas, pois o
tempo de espera no sistema do cliente é de aproximadamente 3 minutos, o que não causa
muito desconforto para o cliente.

Como a demanda varia de horário para horário, achou-se útil verificar o número de postos
de atendimento que devem ser mantidos, segundo o λ. Para isto, fixou-se em 6 minutos o
valor de W(c) que é o parâmetro que melhor representa os anseios dos clientes. Os
resultados obtidos (tabela 4.2) podem ser usados pela gerência do sistema para dispor dos
servidores para outras atividades quando a demanda o permitir.

λ(taxa de ingresso ) C( postos de atendimento)
1,89<λ<2,30 6
2,30<λ<2,70 7
2,72<λ<3,14 8
2,72<λ<3,56 9
3,56<λ<3,97 10
3,97<λ<4,40 11
4,40<λ<4,81 12
4,81<λ<5,23 13
5,23<λ<5,64 14
Tabela 4.2: Número de postos de atendimento segundo λ.

5. Conclusões

O uso da Teoria de Filas é uma ferramenta útil para avaliar a operacionalidade de um
sistema. O tratamento dos dados e a análise dos resultados permite concluir sobre o
comportamento dos 3 componentes do processo: gerência-servidor-usuário, que tem
tendências diferentes e devem ser conciliadas em um resultado final.

7 – Bibliografia

1. NOVAES, G.: “Pesquisa Operacional e Transportes: Modelos Probabilísticos”,
Ed. McGraw – Hill, São Paulo, 1975.
2. HILLIER, Frederick S. & LIEBERMAN, Gerald J.: “Operations Research”, 2ª
Edition, Ed. Holden Day – San Francisco, 1974.
3. STEVENSON, W. J.: “Estatística aplicada à Administração”, Ed. Harbra, São
Paulo, 1986.
4. GROSS, Donald & HARRIS Carl, “Fundamentals of Queueing Theory”, Ed.
John Willey, New York, 1974.
5. SINAY, M. C., et alli: “Qualidade de Produtividade do Sistema de Transporte
Metropolitano de Passageiros”, II Congresso Internacional de Transportes
Metropolitanos Sobre Trilhos, Rio de Janeiro, 1994.
6. SINAY, M. C., et alli: “Planejamento e Controle Operacional de Terminais
Ferroviários Urbanos de Topo”, II Congresso Internacional de Transportes
Metropolitanos Sobre Trilhos, Rio de Janeiro, 1994.

a fila é única com atendimento seguindo a ordem de chegada dos clientes.16 0. descrita no estudo de caso. Freq. obtendo-se a freqüência observada para cada minuto considerado no estudo.11 0. O pagamento destas compras é efetuado com dinheiro. confrontar os resultados obtidos para a situação vigente.26 0. Rel. por meio da análise dos parâmetros calculados. utilizando-se do método da Teoria das Filas. . cheque ou cartão de crédito. o número dos mesmos dispostos em paralelo e os tempos despendidos para o serviço. pois necessita de consulta na operadora do mesmo.20 2 11 0.00 Total 70 1.1.20 0. dos tempos de chegada.1 – Freqüências Observadas no processo de chegadas. com as hipóteses formuladas que sejam viáveis de serem implantadas.13 0.61 4 14 0.07 1. apenas uma amostra foi coletada. o presente trabalho tem como objetivo avaliar os parâmetros de efetividade do Sistema de Filas que se formam no acesso aos caixas de uma Loja de Departamentos.1. 2.07 1 9 0. ao final desta avaliação. assim como o tipo de fila que se forma. possuindo um sistema informatizado de atendimento. Modelagem Analítica do Sistema Para definir o modelo de filas é necessário coletar e analisar os dados referentes às chegadas dos clientes aos caixas.Dentro do contexto apresentado.07 0. Descrição do Sistema A Loja de Departamentos em questão.93 6 5 0. Freq. Por se tratar de um trabalho que tem como objetivo apresentar as técnicas da teoria de Filas. Para a determinação do tipo de distribuição que se enquadram as chegadas dos clientes consideraram-se intervalos de 1 minuto.36 3 18 0. situada em um estabelecimento comercial de grande circulação de pessoas. Cada caixa tem a função de fazer a cobrança das compras efetuadas por clientes. que no caso estudado. Pretende-se. Chegada dos Clientes A coleta de dados. Os clientes chegam para aguardar em uma fila única e são atendidos de acordo com a ordem de chegada. foi realizada de tal maneira que foram observados os tempos consecutivos de chegadas de clientes à fila.Os dados referentes ao número de clientes que chegam aos Postos de Atendimento são representados na tabela 3. Observ Ac 0 5 0. em 1 Minuto Observada (Oi) Observ. 3.81 5 8 0. Nº de chegadas Freq. 3.00 Tabela 3. possui 26 postos de atendimento (denominados Caixas). sendo que este último requer mais tempo de atendimento.

Em primeira análise. Freq. partiu-se para o cálculo da freqüência calculada para a realização dos testes de Aderência Gráfica e do Chi-quadrado. Número de Chegadas em 1 Minuto Distribuição Acum ulada do Núm ero de Chegadas Freq. Rel.61 1.67 15. Distribuição do Número de Chegadas Frequencia Relativa 0. A partir dos dados da tabela 3.18 2 0.2 – Aderência Gráfica Gráfico 3.84 11.2 e 3. ao 5% de significância.3 – Freqüência Acumulada. número de chegadas por unidade de tempo. Observ.1.1) a se conformar como uma Distribuição de Poisson com taxa média (λ) de 3. Observada (Oi) Freq.23 0. Calc (Ei) (Oi-Ei)2/Ei 0 0.68 0.20 0.34 4 0.Teste não Paramétrico para Distribuição de Poisson.17 0.95 7. pode–se perceber a não existência de sazonalidade.67 Tabela 3.00 0 1 2 3 4 5 6 Nº de Chegadas em 1 minuto Freq.58 0. 3.20 10.3) com a finalidade de se realizar um teste de aderência gráfica para uma distribuição de Poisson com parâmetro λ = 3. Freq. Nº de chegadas em 1 Minuto Freq.23 0.15 0.36 0. Rel. Freq.00 Gráfico 3. Rel. segue uma distribuição de Poisson com taxa 3. Observ.1 – Gráfico das Freqüências Relativas Observadas do Processo de Chegada.3 .12 0. Os dados da tabela anterior foram plotados (gráficos 3. Freq.56 Total 1 68 3. Calc.10 0. Calc (Ei) 0 2 4 6 8 N úm ero de C hegadas em 1 M in u to 0.00 Freq.00 0 2 4 6 8 1.10 0. Gráfico 3.05 0.23 clientes por minuto: . 3. A partir dos dados da tabela 3.40 5 0. Calc.44 0.2. Observ.43 15. Ac.00 3.30 0.20 0. Frequência observada 0.014 clientes por minuto.05 1.82 0.2 – Teste de Aderência Gráfica.05 3.50 0.71 1 0. Rel.014 clientes por minuto.36 3 0.11 6 0.11 0. assim como uma tendência da curva da freqüência relativa observada (gráfico 3. testam-se as seguintes hipóteses para a nédia de 3.014 clientes por minuto.30 0. testar se a variável em questão. ou seja. Calc. Rel.2 – Freqüências Calculadas no processo de chegadas.

071. Observ.50 0. H1 = a variável que representa o número de chegadas por unidade de tempo. partiu-se para o cálculo da freqüência calculada (tabela 3. .63 0.4 – Atendimento dos Clientes.00 1.20 2.4 – Freqüência Relativa Observada para Atendimento.17 0.25 4–6 0.03 1.4) e os testes não paramétricos.17 0.00 1. Graus de Liberdade: ν = k − m − 1 =7 – 1 – 1 = 5.16 0.24 2.04 Total 1.17 0.014 clientes por minuto. Freq.55 0.24 0.57 2.29 0.55 0.00 Tabela 3. onde χ2ν.20 0. onde k é o número de intervalos e m é o número de variáveis em questão.00 1.00 0. ao 5% de significância.50 2–4 0.53 2. não segue uma distribuição de Poisson com taxa 3.19 2. com os dados da tabela 3.3 a tabela 3. PO9 0. então rejeita Ho ao α % de significância.20 0.03 1.27 2.38 2 Tempo (minutos) Freq.00 1.668 < χ2ν. Os dados referentes ao número de clientes que foram atendidos por caixas por intervalo de tempo considerado são representados na tabela 3. Para a determinação do tipo de distribuição que se enquadram os tempos de atendimento consideraram-se os tempos de atendimento entre 0 – 6 minutos. Se χ 2ν = ∑(Oi− Ei) > χ2ν.33 2.00 1.00 0.57 0.3 – Freqüência Observada para Atendimento. Da mesma forma que o processo de chegadas.28 0.18 0.57 0.14). Rel.42 Tabela 3.2. A coleta de dados.7.03 0.21 6–8 0.3. foi realizada de tal maneira que foram anotados os tempos gastos por cada caixa para realizar o seu atendimento. α .4 a 3.19 0.50 2. obtendo-se a freqüência observada para cada intervalo considerado. 3.27 0.00 PO11 0.00 PO10 0. ao 5% de significância.17 0.55 0.03 0. então não há indícios para se rejeitar Ho ao 5%(α) de significância. Observada (Oi) Tempo (minutos) PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 PO10 PO11 0-2 17 16 16 14 20 17 15 14 18 17 16 2-4 7 7 8 8 6 8 8 7 6 7 7 4-6 5 5 5 5 5 5 6 6 5 6 5 6-8 1 1 0 1 1 0 1 1 1 1 1 Total 30 29 29 28 32 30 30 28 30 31 29 1/µ 2. 2.014 clientes por minuto.03 0. dos tempos de atendimento.03 0. α = 11.H0 = a variável que representa o número de chegadas por unidade de tempo.03 1.00 1. α é um valor N 2 i=1 Ei tabelado e χ ν foi obtido da tabela 3.38 2.50 0.00 Em primeira análise. Como χ2ν = 3.04 0.00 1. uma tendência da curva da freqüência relativa observada a se conformar seguindo uma Distribuição Exponencial com taxa média de 0.19 0.17 0.42 clientes por minuto.60 0.24 0. PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 0–2 0.55 0.23 0. pode – se perceber de uma forma geral.17 0. segue uma distribuição de Poisson com taxa 3.27 0.23 0. (gráficos 3.

50 0.50 0. Observ.44 7. 00 -2 3 8 Freq.60 0.37 1. Rel.32 1. P04 Freq. Rel. P06 Frequência Rel Observada Frequência Rel Observada Frequência Rel Observada 0. Observ. Rel.60 0.38 16.36 7.50 0. Observ.30 0. . 10 0. Rel.00 -2 3 8 Freq.22 1.00 -2 3 8 Freq.60 0.10 0.20 0. Observ. testar se a variável em questão.15 28.20 0.10 0. P05 Freq. Observ. Observ.17 1.50 0. Rel.30 0.383 3. 0.40 0. Observ. P09 Frequência Rel Observada Frequência Rel Observada 0. 0.20 0.50 0. Frequência Rel Observada 0. Rel. 20 0.00 -2 0.18 2.30 0. ou seja.10 0.00 -2 3 8 Freq.91 3.45 7.01 1.96 . P 0 3 Frequência Rel Observada Frequência Rel Observada 0.50 0. Rel.03 28.11 3.96 29.98 17.50 0.26 7. Rel.70 0. R el O bserv.40 0.30 0.22 17. Com os dados da tabela 3. Rel. Observ.50 0.91 16.413 28.30 0.71 16. Rel. 40 0.34 2.00 -2 3 8 Freq.22 7. P02 F r e q .7) e a realização do teste Chi-quadrado.28 3. Observ. Observ.50 1.875 7.12 Tabela 3. Freq.30 0.38 3.20 0.33 7.20 0. Rel.10 0. P11 Frequência Rel Observada 0. Observ. P10 Freq. Observ. O b s e r v .00 -2 3 8 Freq.52 17.10 0.10 0.57 1. P07 Freq. R e l. Rel. P08 Freq.60 0.901 PO11 17. Rel. 60 0.40 0.14 – Freqüência Relativa Observada do Processo Atendimento.30 0.4.40 0. Observ.60 0. Freq. P01 Freq.00 -2 3 8 Freq.20 0. Rel.40 0.Freq. ao 5% de significância.370 28. 30 0.00 -2 3 8 Freq. Rel.20 0. 0.50 0.40 0.60 0. Observ.5 a 3. 3 8 Intervalos de tempo Intervalos de tempo Intervalos de tempo Freq.42 3. partiu-se para o cálculo da freqüência calculada (tabela 3.66 29.30 0. Observ. Intervalos de tempo Intervalos de tempo In te rv a lo s d e te m p o Freq.53 1. 50 0. Frequência Rel Observada 0.4 ao 3.175 1.40 0.42 clientes por minuto.78 29.21 28.359 3.27 17.60 0. Rel. Observ.70 0.50 0.72 28. Observ.59 7. Observ. o tempo de atendimento.42 7.60 0. segue uma distribuição Exponencial com taxa média 0.056 7.30 0. Rel. 3 8 Intervalos de tempo Intervalos de tempo Intervalos de tempo Freq.06 17. Intervalos de tempo Intervalos de tempo Gráficos 3. Calc (Ei) Tempo (minutos) 0-2 2-4 4-6 6-8 Total PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 17. Observ. PO10 16.00 -2 3 8 Freq.10 0.00 -2 Freq.40 0.10 0. Rel.20 0.97 3.60 0.60 0.40 0.89 2.25 29.230 1.23 29.20 0.10 0. Rel. Rel.30 0.10 0.20 7. 0.40 0.5 – Freqüência Calculada para Atendimento. Observ.20 0.16 1.

00 2. Rel.α 3.43 2. • Lq(c) = Número médio de clientes na fila aguardando atendimento.23 2.02 2.60 Tabela 3.42 clientes por minuto.00 0.11 0. N 2 i=1 Ei PO 1 2 3 4 5 6 7 8 9 10 11 2 1.48 1. O Modelo de Filas O modelo ajustado segundo os dados obtidos é M / M / 11 / ∞ / FIFO (Notação de Kendall).7 – Chi-quadrado Calculado.10 0.36(1/µ) minuto.04 0.02 0.84 3.23 PO10 0.25 0.03 0. para todos os posto.07 0.08 0.81 2.84 3. então não há indícios para se rejeitar Ho ao 5% de significância.014 clientes por minuto e µ = 0.84 3.57 0.05 0.5 – Testes Não Paramétricos para Distribuição Exponencial.12 0.12 2.83 1.08 Total 1.05 0. com λ = 3.04 0.17 0.25 0.05 0.84 3. H1 = a variável que representa o tempo de atendimento não segue uma distribuição Exponencial com média igual a 2.22 1.08 0.20 0. Se χ 2ν = ∑(Oi− Ei) > χ2ν.23 χν χ2ν.16 0.10 1.84 3.22 0.59 0.48 1.02 1.10 0.04 1 1 1 1 1 1 1 1 1 Tabela 3.12 0.04 0.05 1 PO11 0.52 1.26 0.84 Tabela 3.02 1.62 0. • W(c) = Tempo médio de permanência de um cliente qualquer no sistema.8 – Tabela Resumo Teste Não Paramétrico.59 2.10 0.23 2.04 0.84 3.84 3. Serão testadas as hipóteses de que os tempos de atendimentos nos caixas estão idêntica e exponencialmente distribuídos em torno a uma média de 2.51 2.05 0.11 0.30 0.05 1.84 1.04 1.11 0. .01 4-6 1.19 0.01 0.84 3.55 1.05 1.05 0.00 2.58 0.05 0.26 0. então rejeita Ho ao α % de significância. Tempo (minutos) 0-2 2-4 4-6 6-8 Total PO1 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 0.59 0.11 0.05 0.59 0.25 PO2 PO3 PO4 PO5 PO6 PO7 PO8 PO9 0.60 0.57 0. Os parâmetros a serem calculados e que representam a operacionalidade do sistema são: • L(c) = Número médio de clientes no sistema.84 3. 4.61 0.00 2-4 0. Calc. ao 5% de significância.52 PO11 0.10 1.05 1 3. Como χ2ν < χ2ν. onde µ= 1 (µ PO.84 1.39 2.25 0.25 1.36 minutos.25 0.94 1.31 0. α .38 0.43 2.57 0. (Oi-Ei)2/Ei Tempo (minutos) PO1 0-2 0.Freq.10 0.12 0.6 – Freqüência Relativa Calculada para Atendimento.26 0.84 3.23 0.38 2.26 0.07 0. α . ao 5% de significância.12 0.i ) .61 0.04 0. • Wq(c) = Tempo médio de permanência de um cliente qualquer na fila.38 0.17 0.36 minutos.25 0. * 11 i =1 ∑ 11 H0 = a variável que representa o tempo de atendimento segue uma distribuição Exponencial com média igual a 2.38 0.81 2.15 6-8 0. PO10 0.25 0.25 0.21 0.

Utilizando-se as fórmulas descritas abaixo.221 0. c*µ µ  n =0 n!  c!*(1 − ρ )  (c − 1)!(c − r )2 c!*(1 − ρ )2    1 Lq (c ) Wq(c ) = . .43 W(c) 6. para verificar se a redução de postos afetaria substancialmente os tempos de espera do cliente no sistema.42 clientes por minuto e considerando a nova demanda.60 2. pode-se verificar Formulas para o sistema M/M/C/∝/FIFO  c −1 r n   λ λ Po(c )r c +1 rc Po(c )ρ * r c +  . Assim. equivalente a λ = 7 clientes por minuto.44 Lq(c) 11. para a situação atual (· = 3. µ = 0. Po(c ) =  . mas ainda é um tempo pequeno. mantendo a taxa de atendimento constante µ = 0. ou seja.295813 8 6 W( c ) 4 Tabela 4.1 – Variação do Número de Postos de Atendimento Pode-se observar que variando de 8 a 11 postos de atendimento.92 0.2 – Situação para Projeção em Dia de Pico.1: Variação do número de postos de 8 a 11 2.42 e C = 11). Pode-se verificar que ocorre uma ociosidade do sistema de 17% do tempo e também um tempo de espera na fila de 0. ou seja. mantendo-se o número de postos de atendimento. ρ= .30 3.000 clientes no dia de maior movimento. 5.1 e no gráfico 4.80 2.66 0. então.58 7. o cliente chega e praticamente se dirige para o caixa.74 7. a gerência da Loja sobe a oferta de 11 postos de atendimento para 20 caixas.• Po = Probabilidade de o sistema estar vazio (igual a ociosidade total do sistema). Os resultados encontram-se na tabela 4.1. do ponto de vista da gerência.04 0.261 Wq(c) 3. Abordaremos esta situação. L(c ) = r + . o sistema continua superdimensionado. pois o tempo de espera no sistema do cliente é de aproximadamente 3 minutos. o ideal do ponto de vista da gerência seria dispor de 9 Caixas. o que não causa muito desconforto para o cliente. Lq (q ) = r= .014. L(c) 7.1 – Situação Usual do Sistema.92 7. W (c ) = Wq(c ) + µ λ −1 ∑ que ocorre uma ociosidade (Po) de 34% do tempo e também um tempo de espera na fila de 0. considerando a situação atual do sistema.06 2.20 minutos .677 0. variou-se o número de postos de atendimento. que não causa desconforto ao cliente.542 minutos.086 Tempo de Espera no Sistema 6.3 – Variando os Postos de Atendimento de 8 a 11 Neste modelo. Considerando um aumento na demanda para 5.467387 2 8 8 9 10 11 c 11 Número de Postos de Atendimento Gráfico 4.. verificou-se o comportamento do sistema no caso de aumento da demanda. podemos concluir que o sistema esta superdimensionado. 5. o cliente espera um pouco antes de se dirigir para o caixa. 4.

Ed. “Fundamentals of Queueing Theory”. SINAY. 1994. que tem tendências diferentes e devem ser conciliadas em um resultado final. C.: “Pesquisa Operacional e Transportes: Modelos Probabilísticos”. 1994. II Congresso Internacional de Transportes Metropolitanos Sobre Trilhos.30 2.2) podem ser usados pela gerência do sistema para dispor dos servidores para outras atividades quando a demanda o permitir.72<λ<3. Rio de Janeiro.. São Paulo. fixou-se em 6 minutos o valor de W(c) que é o parâmetro que melhor representa os anseios dos clientes. Os resultados obtidos (tabela 4. .89<λ<2. achou-se útil verificar o número de postos de atendimento que devem ser mantidos.70 2.40 4. Conclusões O uso da Teoria de Filas é uma ferramenta útil para avaliar a operacionalidade de um sistema.2: Número de postos de atendimento segundo λ. 2ª Edition.56<λ<3. et alli: “Planejamento e Controle Operacional de Terminais Ferroviários Urbanos de Topo”. 3. GROSS.. 5. Rio de Janeiro. 1974. C( postos de atendimento) 6 7 8 9 10 11 12 13 14 Tabela 4. 2. HILLIER. Frederick S.64 5. 7 – Bibliografia 1. STEVENSON. Donald & HARRIS Carl. SINAY. W. Ed.: “Estatística aplicada à Administração”. Ed. J.72<λ<3.97 3. segundo o λ.23 5.97<λ<4.56 3. Holden Day – San Francisco. São Paulo. λ(taxa de ingresso ) 1. G.: “Operations Research”.14 2. NOVAES. New York. 1975. C.23<λ<5. et alli: “Qualidade de Produtividade do Sistema de Transporte Metropolitano de Passageiros”. 6. 1974.40<λ<4. II Congresso Internacional de Transportes Metropolitanos Sobre Trilhos. Ed. O tratamento dos dados e a análise dos resultados permite concluir sobre o comportamento dos 3 componentes do processo: gerência-servidor-usuário.81<λ<5. Gerald J. & LIEBERMAN. M. Harbra. Para isto.Como a demanda varia de horário para horário.30<λ<2. 1986.81 4. John Willey. M. McGraw – Hill. 4.

Sign up to vote on this title
UsefulNot useful