Simulação da Produção e Teoria das las

Aula 3: Introdução à teoria das las

Apresentação
Daremos início ao estudo de teoria das las. Modelos de las têm sido aplicados com sucesso em diversos sistemas
produtivos, como as áreas de serviços e manufatura. Também é possível identi car seu emprego tanto nos sistemas de
transporte quanto nos computacionais.

Por conta disso, falaremos sobre os componentes mais importantes de um sistema de las e a notação básica de
representação. Em seguida, conheceremos o modelo M/M/1, identi cando os principais indicadores de desempenho
associados. Por m, aplicaremos os conhecimentos adquiridos em situações-problema envolvendo las em sistemas
produtivos.

Objetivos
Memorizar os principais componentes e a notação básica de um sistema de las;

De nir o modelo M/M/1 e seus principais indicadores de desempenho;

Aplicar conceitos do modelo M/M/1 na resolução de sistemas produtivos.

Componentes básicos e notação de um sistema de las

O que despertou um interesse pelo estudo de las? Para que ele serve? Para respondermos a estas importantes perguntas
iniciais, precisamos recorrer ao professor Marcelo Sucena:
 "A abordagem matemática das las se iniciou em 1908, na
cidade de Copenhague, Dinamarca. O pioneiro da
investigação foi o matemático Agner Krarup Erlang (1909)
quando ele trabalhava numa companhia telefônica,
estudando o problema de redimensionamento de centrais
telefônicas. Somente a partir da Segunda Guerra Mundial a
teoria foi aplicada a outros problemas de las. Seu trabalho
foi difundido por outros pesquisadores em diversos países
europeus. Na década de 1930, entre as pesquisas nesta
área, Andrey Kolmogorov, na Rússia, estudava um sistema
com entrada de probabilidade de Poisson (Siméon Denis
Poisson) e saída arbitrária em único ou múltiplo atendente. A
teoria das las é uma das técnicas da pesquisa operacional
que trata de problemas de congestionamentos de sistemas
em que clientes solicitam alguns tipos de serviços. Esses
serviços são limitados por restrições intrínsecas do sistema,
que, devido a isso, podem causar las."
- SUCENA, 2019

A gura a seguir ilustra os principais componentes de um sistema de las:

 Principais componentes de um sistema de filas. | Fonte: SUCENA, 2019

  Identi cação dos componentes

 Clique no botão acima.

Com base na gura anterior, podemos identi car os componentes deste sistema. Faremos algumas breves
considerações sobre cada um deles:

Tamanho da população: Tamanho do grupo que fornece os clientes;

Clientes: Elementos ou unidades da população que chegam para o atendimento (por exemplo, pessoas, peças,
máquinas, navios, automóveis etc.).

Fila (linha de espera): Número de clientes esperando o atendimento no sistema (representados pelas bolas
brancas na gura). É importante destacar que a la não inclui o que está sendo atendido (representado pela bola
azul);

Tamanho máximo da la: Quantidade máxima de usuários que pode esperar pelo atendimento no sistema. Na
gura, veri ca-se que o espaço disponível para espera é de cinco clientes. No entanto, existem também sistemas
de las com tamanhos muito maiores que podemos considerar como de tamanho in nito;

Unidade de atendimento: Processo ou sistema que realiza o atendimento do cliente. Nesta gura, vemos apenas
uma unidade de atendimento; no entanto, o atendimento também pode ser realizado por múltiplos processos;

Taxa de chegada dos clientes: Razão entre o número de clientes e a unidade de tempo que serve de parâmetro
aos clientes que chegam para serem atendidos. O valor médio da taxa de chegada é representado por λ (lambda).
Normalmente, são adotadas distribuições de frequência (normal, Poisson, exponencial etc.) para representar o
processo;

Taxa de atendimento dos clientes: Razão entre o número de clientes e a unidade de tempo de acordo com a qual
um servidor pode efetuar o atendimento de um cliente. O valor médio da taxa de atendimento é μ (mu). De igual
modo, são adotadas distribuições de frequência (normal, Poisson, exponencial etc.) para a sua representação;

Disciplina da la: Indica o método de decisão adotado pelo sistema para escolher qual será o próximo cliente a
ser atendido. O tradicional é o FIFO (em que o primeiro a chegar também é o primeiro a ser atendido), sigla para
os seguintes termos em inglês: rst-in- rst-out. No entanto, há outras disciplinas de atendimento possíveis.

Fonte: (SUCENA, 2019)

Classi cação dos sistemas de la

Os sistemas de las podem ser classi cados como:

Sistemas de la única e um único servidor

Exemplo 1

Aviões esperando para aterrissar na pista de um aeroporto.

Sistemas de la única e múltiplos servidores em paralelo

Exemplo 2

Clientes esperando pelo atendimento em caixas de agências bancárias ou dos correios.

Veja um modelo deste caso na gura a seguir:

 Sistema de fila única e três servidores | Fonte: DALLA VALLE; BRINGHENTI; GRANDO; DE PAULA, 2018

Sistemas de múltiplas las e múltiplos servidores em paralelo

Exemplo 3

Consumidores aguardando pelo atendimento em caixas de supermercados.

Sistemas de la única e múltiplos servidores em série

Exemplo 4
Clientes em um drive-thru de restaurantes fast-food.

Notação de Kendall
Ela recebe este nome em homenagem ao matemático que propôs o modelo mais utilizado até hoje em dia.

A notação de Kendall pode indicar:

Modelo de las

Com isso, é possível saber:

Modelo de chegada e de atendimento dos clientes;

Quantidade de servidores;

Tamanho da la;

Disciplina de atendimento;

Tamanho da população (se for o caso).

De acordo com a notação de Kendall, um sistema de las é representado pela forma A/S/m/K/N/Q, em que:

A: Distribuição de probabilidade dos tempos entre as chegadas de clientes ao sistema;

S: Distribuição de probabilidade dos tempos de atendimento (serviço) de clientes no sistema;

m: Número de servidores;

K: Capacidade do sistema ( la + atendimento);

N: Tamanho da população;

Q: Disciplina de atendimento.

Distribuições de probabilidade

Há notações especiais para indicar a função mais adequada conforme a tabela a seguir:
 Distribuição Princípio de funcionamento

D (determinística) Tempo constante entre as chegadas e o serviço.

M (markoviana) O intervalo entre as chegadas independe do período anterior;

O tempo de serviço atual é independente do anterior;

São caracterizados por uma distribuição de Poisson (chegada) e exponencial (serviço).

U (uniforme) Tempos de chegada e de serviço limitados em um intervalo [a, b].

G (geral ou Sem especificação de distribuição de probabilidade para os tempos de chegada e serviço.

arbitrária)

Ek (Erlang) Generalização da distribuição exponencial;

Um servidor com k estágios obedecendo à distribuição de Erlang pode ser representado por uma
sequência de k servidores com tempos de serviço exponencialmente distribuídos na mesma
média.

Hk Semelhante ao modelo de Erlang, mas com estágios dotados de média diferente para os tempos de serviço.
(hiperexponencial)

Tabela: Código de distribuições na notação de Kendall

Exemplo

M/G/2/30/1000/LCFS
Processo de chegada exponencial (markoviano) ou de Poisson;
Distribuição arbitrária (geral) dos tempos de serviço;
Dois servidores;
Capacidade para trinta clientes;
População de dois mil clientes;
Disciplina de atendimento "Último a chegar, primeiro a ser servido".

Exemplo

D\/M\/2\/∞\/∞\/RR
Processo de chegada determinístico;
Distribuição dos tempos de serviço exponencial (markoviano) ou de Poisson;
Dois servidores;
Capacidade ilimitada;
População in nita;
Disciplina de atendimento Round-robin.
Atenção

Em muitos casos, os três últimos símbolos do modelo geral da notação de Kendall são omitidos. Nestas situações, pressupõe-se
a existência de capacidade ilimitada, população in nita e disciplina de atendimento FIFO, como ocorre no caso do modelo M/M/1.

A la M/M/1
Apesar de ser um modelo simples, ele é bastante representativo em sistemas de las no mundo real. Uma das grandes
vantagens do modelo M/M/1 é que as suas métricas de desempenho são descritas por expressões bastante simples,
dependendo, basicamente, das taxas de chegada de elementos (λ) e de atendimento/serviço na la (µ).

As duas expressões seguem o modelo M (markoviano), estando de acordo, respectivamente, com a distribuição de Poisson ou
uma exponencial negativa. Conforme vimos na notação de Kendall, existe apenas um canal de atendimento.

Conheçamos as equações das principais métricas de desempenho deste modelo:

Quantidade média de clientes no sistema: NS = λ / (µ - λ);

Quantidade média de clientes na la: NF = λ2 / [µ (µ - λ)];

Fator de utilização do servidor: Fração média de tempo em que o servidor está ocupado: ρ = λ / µ;

Probabilidade de existirem n clientes no sistema: P(n) = (1 - λ / µ).(λ / µ)n.

Também podemos notar que a la M/M/1 apresenta um comportamento que atende ao Teorema de Little. Segundo este
teorema, para qualquer sistema de las no qual exista uma distribuição em regime constante, são válidas as seguintes
relações:

NS = λ TS;

NF = λ TF.

Segundo Sucena (2019), “vale relembrar que sistemas estáveis são caracterizados por λ < µ, ou seja, ρ < 1. Quanto mais o valor
de ‘ρ’ se aproxima de 1, a la tende a aumentar in nitamente. Observa-se pela expressão de NF que, se λ = µ, ou seja, ρ = 1, o
tamanho da la é in nito”.
 Atividade
1. O número médio de carros que chega a um posto de informações é igual a 10 carros/hora. Assumamos que o tempo médio de
atendimento por carro seja de quatro minutos e que as duas distribuições de intervalos entre as chegadas e o tempo de serviço
sejam exponenciais.

Fonte: (SUCENA, 2019)

Responda às seguintes questões:

1. Qual é a probabilidade de o posto de informações estar livre?

2. Qual é a quantidade média de carros esperando na la?

3. Qual é o tempo médio que um carro gasta no sistema (tempo na la somado ao de atendimento)?

4. Quantos carros serão atendidos em média por hora?

2. (Enade 2011) Uma rede de fast-food 24h de niu a seguinte estratégia de venda para seu serviço de drive-thru: “se você
encontrar mais que três clientes no sistema ( la + atendimento), receberá uma sobremesa como cortesia”. O custo dessa política
é de R$2,00 por cliente vitimado. Na condição atual, os clientes chegam aleatoriamente segundo um processo de Poisson a uma
taxa de 18 por hora. O atendimento é realizado por um único empregado, seguindo uma distribuição exponencial com média de
2,5 minutos. Contudo, o gerente estima que conseguirá, por meio de melhorias no processo de montagem dos pedidos, reduzir o
tempo de médio de atendimento para 2,0 minutos.

A gura ao lado apresenta as funções das probabilidades acumuladas de haver n clientes no drive-thru ( la + atendimento) para
dois tempos médios de atendimento (TA) em minutos.

Assinale a única alternativa correta:

 Funções de distribuição de probabilidade acumuladas de n clientes no drive-thru.

a) O custo médio da estratégia atual da empresa pode ser obtido por CME = 18 clientes/h x 24h/dia x 2 (R$ por cliente vitimado) x p para
n ≥ 3.
b) É melhor para a empresa modificar a estratégia para que o cliente não encontre mais de quatro clientes no sistema, mantendo seu
tempo médio de atendimento em 2,5 minutos, do que apenas reduzir seu tempo médio de atendimento para 2 minutos, mantendo a
estratégia atual.
c) A estratégia “se você encontrar mais que três clientes no sistema (fila + atendimento), receberá uma sobremesa como cortesia” equivale
a esta: “se você encontrar mais que dois clientes em fila aguardando atendimento, receberá uma sobremesa como cortesia”.
d) A probabilidade de haver mais de quatro clientes em fila, para um tempo médio de atendimento de dois minutos, é 7,78%.
e) O drive-thru não trabalha em condição de equilíbrio, o que inviabiliza a adoção de outra estratégia de atendimento dos clientes.
3. Um técnico de laboratório gasta 30 minutos em média para reparar relés. Considere que o tempo se distribui conforme uma
distribuição exponencial negativa. Os relés chegam à recepção do laboratório segundo a distribuição de Poisson a uma taxa
média de 10 unidades por dia, levando em consideração um turno de 8 horas de trabalho. Eles são reparados de acordo com a
ordem de chegada.

a) Qual é a folga média do técnico por dia de trabalho?

b) Em média, quantos relés se encontram na o cina aguardando reparação?

Aplicação dos conceitos das cadeias de Markov para a análise da

la M/M/1
Uma la que segue o modelo M/M/1 pode ser representada por uma cadeia de Markov.

Pensemos em um exemplo:

Seus números representam os estados possíveis. Já as setas entre os estados, as possíveis transições, como um sistema
vazio ou a existência de um elemento no sistema (certamente em atendimento, já que a la está vazia).

Continuando nossa análise, vemos que, no estado 0, o número de entradas por unidade de tempo é dado por μP1. Essas
entradas ocorrem quando o sistema passa do estado 1 para o 0 em função da saída de um cliente atendido do sistema. Por
sua vez, o estado 0 também tem uma seta que sai, indicando o número de saídas por unidade de tempo em que ocorre a
chegada de um cliente ao sistema. De modo semelhante, temos que a passagem do 0 para o estado 1 por unidade de tempo é
expressa por λP0.

Conforme indica Sucena (2019), para que o estado de equilíbrio ou estacionário ocorra, é necessário que o número de
entradas e saídas por unidade de tempo seja igual:

μP1 = λP0 → P1 = λP0/μ

Veja que o mesmo ocorre nos demais estados: no estado 1, o número de entradas por unidade de tempo é λP0 + μP2.

Esse comportamento pode ocorrer em função de duas situações nas quais ocorre a passagem:

Do estado 0 com a chegada de um cliente ao sistema a uma taxa de λp0 por unidade de tempo;

Do estado 2 pela saída do sistema de um cliente atendido (μp2 por unidade de tempo).

Utilizando um raciocínio semelhante, temos que o número de saídas por unidade de tempo é λP1 + μP1, também
representando duas passagens:

Para o estado 2 pela chegada de um cliente;

Para o estado 0 pela saída do sistema de um cliente atendido.

Desse modo, é possível concluir que esta expressão representa o estado geral de equilíbrio da la:

Pn = (λ/μ)n P0
 Segundo Sucena (2019), determinadas equações representam a condição de equilíbrio da la quanto a:

Taxa de ocupação

ρ = λ/μ

Número médio de clientes

No sistema NS = ρ / (1 - ρ);

Na la NF = ρ2 / (1 - ρ);

Esperando quando existe pelo menos uma pessoa já esperando (caso especial da notação de Kendall): NF’ = 1/ (1- ρ) =
μ/(μ - λ);

No sistema TS = 1 / μ (1 - ρ);

Na la TF = ρ / μ (1 - ρ).

Probabilidade

De ocorrência do estado 0: P0 = 1 – ρ;

De ocorrência do estado n: Pn = ρn P0;

De existirem no sistema k ou mais clientes: P(N ≥ k) = ρk;

De o tempo de espera na la ser zero: P(TF = 0) = P0;

De o tempo de espera na la exceder t: P(TF > t) = λ/μ [e (λ − μ)t];

De o tempo gasto no sistema exceder t: P(TS > t) = e (λ − μ)t.

4. Suponha que a chegada de um navio ao berço portuário siga a distribuição de Poisson com uma taxa de seis navios por dia.
Seguindo uma distribuição exponencial, a duração média de atendimento deles é de três horas. Indique a probabilidade de um
navio chegar ao porto e não esperar para atracar.

a) 0,3
b) 0,4
c) 0,35
d) 0,25
e) 0,2
5. Considere agora que a chegada de um navio ao berço portuário siga a distribuição de Poisson com a mesma taxa de seis
navios por dia. Seguindo uma distribuição exponencial, a duração média de atendimento deles é de três horas. Qual é a
quantidade média de navios na la do porto?

a) 2
b) 2,25
c) 2,5
d) 1,75
e) 1,5

6. Desta vez, admita que a chegada de um navio ao berço portuário siga a distribuição de Poisson com a mesma taxa de seis
navios por dia. Seguindo uma distribuição exponencial, a duração média de atendimento deles é de três horas. Aponte a
quantidade média de navios no sistema portuário.

a) 2
b) 2,5
c) 3
d) 1,5
e) 4

Notas

Título modal 1

Lorem Ipsum é simplesmente uma simulação de texto da indústria tipográ ca e de impressos. Lorem Ipsum é simplesmente
uma simulação de texto da indústria tipográ ca e de impressos. Lorem Ipsum é simplesmente uma simulação de texto da
indústria tipográ ca e de impressos.

Título modal 1

Lorem Ipsum é simplesmente uma simulação de texto da indústria tipográ ca e de impressos. Lorem Ipsum é simplesmente
uma simulação de texto da indústria tipográ ca e de impressos. Lorem Ipsum é simplesmente uma simulação de texto da
indústria tipográ ca e de impressos.

Referências

DALLA VALLE, F. L. Z.; BRINGHENTI, F.; GRANDO, M. L.; DE PAULA, R. Aplicação da teoria das las em sistema de atendimento
de recursos humanos. In: Engenharia de Produção UCEFF. v. 2. n. 1. 2018.

SUCENA, M. Teoria das las ( ). Disponível em:

//www.sucena.eng.br/eng_producao/UNESA_TEORIA_DAS_FILAS_2013_1.pdf. Acesso em: 11 nov. 2019.

Próxima aula
 Modelos markovianos (M/M/c e M/M/1/k) e determinísticos (D/D/1/k);

Técnicas de análise matemáticas de sistemas de las sequenciais com base no modelo M/M/1;

Situações-problema de las em sistemas produtivos.

Explore mais

Pesquise na internet sites, vídeos e artigos relacionados ao conteúdo visto. Em caso de dúvidas, converse com seu
professor online por meio dos recursos disponíveis no ambiente de aprendizagem.