AGREGAÇÃO DE ESTADOS PARA O MODELO

HIPERCUBO
CAIO VITOR BEOJONE - beojone@hotmail.com
UNIVERSIDADE ESTADUAL PAULISTA - UNESP - BAURU-FEB

REGIANE MÁXIMO DE SOUZA - regiane@feb.unesp.br

UNIVERSIDADE ESTADUAL PAULISTA - UNESP - BAURU-FEB

Resumo: UM DOS PRINCIPAIS PROBLEMAS DO MODELO HIPERCUBO É A

QUANTIDADE DE ESTADOS QUE CRESCE EXPONENCIALMENTE COM
A QUANTIDADE DE SERVIDORES, PROPORCIONANDO UMA
DIFICULDADE COMPUTACIONAL PARA A SOLUÇÃO DO MODELO EM
SISTEMAS RAZOAVELMENTE GRANDES. EESSE ARTIGO TEM POR
OBJETIVO PROPOR O MODELO HIPERCUBO UTILIZANDO A
AGREGAÇÃO DE ESTADOS POR MEIO DE UMA COMPARAÇÃO COM OS
RESULTADOS DO MODELO HIPERCUBO UTILIZADO EM TRABALHOS
ANTERIORES. O MODELO HIPERCUBO É BASTANTE RECONHECIDO
COMO FERRAMENTA DE ANÁLISE DE SISTEMAS DE ATENDIMENTO
EMERGENCIAL (SAES). CONTUDO, É NOTADA A DIFICULDADE DE SE
UTILIZÁ-LO EM SISTEMAS COM MUITOS SERVIDORES, POR CAUSA DO
CUSTO COMPUTACIONAL PARA RESOLVER TAIS MODELOS. O
MODELO COM AGREGAÇÃO DE ESTADOS MOSTRA UMA
POSSIBILIDADE DE MODELAGEM COM MENOR CUSTO
COMPUTACIONAL, MAS COM BONS RESULTADOS, A FIM DE SER
UTILIZADO EM PESQUISAS FUTURAS.

Palavras-chaves: MODELO HIPERCUBO; AGREGAÇÃO DE SERVIDORES;

AGLUTINAÇÃO DE
ESTADOS; ALEATORIEDADE NO DESPACHO; SAMU.

Área: 6 - PESQUISA OPERACIONAL

Sub-Área: 6.3 - PROCESSOS ESTOCÁSTICOS
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

AGGREGATION STATES FOR MODEL HYPERCUBE

Abstract: ONE OF THE MAIN PROBLEMS OF THE HYPERCUBE IS THE NUMBER
OF STATES INCREASES EXPONENTIALLY WITH THE NUMBER OF
SERVERS, PROVIDING A COMPUTATIONAL DIFFICULTY FOR THE
MODEL SOLUTION IN A REASONABLY LARGE SYSTEMS. THIS ARTICLE
AIMS TO PROPOSE THHE HYPERCUBE MODEL USING AGGREGATION
STATES BY MEANS OF A COMPARISON WITH THE RESULTS OF THE
HYPERCUBE MODEL USED IN PREVIOUS WORK. THE HYPERCUBE
MODEL IS WELL RECOGNIZED AS AN ANALYTICAL TOOL EMERGENCY
SERVICE SYSTEMS (ESS). HOWEVER, THE DIFFICULTY OF USING IT IS
NOTICED ON SYSTEMS WITH MANY SERVERS, BECAUSE THE
COMPUTATIONAL COST FOR SOLVING SUCH MODELS. THE MODEL
WITH STATES OF AGGREGATION SHOWS A POSSIBLE MODELING
WITH LOWER COMPUTATIONAL COST, BUT WITH GOOD RESULTS, TO
BE USED IN FUTURE SEARCHES.

Keyword: HYPERCUBE MODEL; AGGREGATION SERVERS; AGGLUTINATION

STATES;
RANDOMNESS IN THE ORDER; SAMU.

2
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

1 Introdução

A operação e o planejamento de Sistemas de Atendimento Emergencial influenciam

diretamente na qualidade de vida de uma população (SOUZA, 2015). Nesse sentido, a
Pesquisa Operacional vem sendo utilizado nos últimos 50 anos como uma importante
ferramenta para o estudo de tais sistemas. (SIMPSON; HANCOCK, 2009)
Dentro da Pesquisa Operacional, o modelo hipercubo é uma ferramenta reconhecida na
literatura como eficaz na análise de sistemas de fila espacialmente distribuídas. Trata-se uma
ferramenta analítica que pode ser utilizada para se obter medidas de desempenho e propor
alterações nos sistemas com a finalidade de se propor um melhor atendimento às necessidades
dos usuários (LARSON; ODONI, 2007)
Sua aplicação vem sendo utilizada, por exemplo, nos Estados Unidos, em Chelst e Barlach
(1981), Brandeau e Larson (1986), Burwell et al. (1993), Sacks e Grieff (1994), Swersey
(1994) e Larson e Odoni (2007). No Brasil, alguns exemplos aparecem em Mendonça e
Morabito (2000), Oliveira (2003), Chiyoshi et al. (2000), Costa et al. (2004), Figueiredo et al.
(2005), Takeda et al. (2004, 2007), Iannoni et al. (2006, 2008), Souza et al. (2013, 2015),
Rodrigues (2014) e Luque (2006).
Contudo, o modelo é reconhecido pelo seu alto custo computacional, vista a necessidade de
construção de modelos com mais equações de equilíbrio quanto maior o número de servidores
do sistema (CHIYOSHI et al., 2011; LARSON; ODONI, 2007). Além disso, uma
característica comum dos sistemas analisados, a aleatoriedade no despacho de servidores,
possibilita que não seja necessária a distinção dos servidores observados, quando estes são
homogêneos (LUQUE, 2006).
Dessa maneira, este artigo tem por objetivo propor um modelo hipercubo que utilize a
agregação de estados como forma de simplificar a resolução de sistemas com muitos
servidores. Isso, por meio da comparação dos resultados do modelo apresentado com um
trabalho da área, sendo o escolhido o de Takeda et al. (2004). O método utilizado para a
abordagem utilizada nesse trabalho será modelagem/simulação (Miguel P. A. C. et al., 2010)
Na seção 2, adiante, será apresentado o modelo, assim como algumas medidas de
desempenho. Na seção 3 o sistema do SAMU de Campinas apresentado por Takeda et al.
(2004) é revisitado para buscar informações para a construção do modelo e comparação dos
resultados. Na seção 4 tem-se os resultados do modelo proposto juntamente da comparação. A
seção 5 traz algumas considerações finais dos autores e propostas de pesquisas futuras. Por
fim, a seção 6 traz as referências bibliográficas utilizadas.

2 Modelo utilizado

O modelo hipercubo clássico, desenvolvido por Larson (1974), é um modelo analítico

utilizado para analisar sistemas de filas espacialmente distribuídas. Ele pode ser aplicado aos
sistemas de delivery, dos bombeiros, da polícia, de guinchos, SAMU, de reparos
emergenciais, dentre outros. Ele se origina da expansão dos estados dos servidores de um
sistema M/M/m, caracterizando-os como livres (0) ou ocupados (1). Para a resolução de um
sistema assim construído serão necessárias (2n + Q) equações de equilíbrio, sendo n o número
de servidores e Q o número de equações de equilíbrio para estados de fila. O tamanho desses
sistemas de equações torna a aplicação computacional, além de obrigatória, restrita para
sistemas com menos servidores ou à utilização de métodos aproximados, que são bastante
limitados. (LARSON; ODONI, 2007; SOUZA, 2010)
A experiência mostra que a aleatoriedade no envio de servidores é uma característica
razoavelmente comum, em especial onde há co-localização de servidores, conforme visto em

3
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

trabalhos como em Takeda (2000) e Takeda et al. (2004, 2007) através da resolução repetida
do modelo com matrizes de preferência de despacho geradas aleatoriamente. Contudo, isso
gera dois problemas, o modelo hipercubo, continua com um grande número de equações de
equilíbrio e ainda precisa ser resolvido dezenas vezes para chegar a resultados satisfatórios.
Também, conforme mostrado em Chiyoshi (2011), é através da indexação da aleatoriedade
nas próprias equações de equilíbrio, isso elimina a necessidade de dezenas de resoluções, mas
mantém o problema do grande número de equações de equilíbrio para resolver.
A fim de diminuir o número equações de equilíbrio pode-se pensar num conjunto de
servidores homogêneos, co-localizados e com as mesmas preferências de envio entre si como
um agrupamento de servidores. Conforme apresentado por Luque (2006), a aglutinação de
estados é válida como forma de conseguir modelos com menos equações, todavia não a
aplicou ou desenvolveu. Por exemplo, num sistema com dois servidores nessas condições não
precisam ser representados pelos estados {00}, {10}, {01} e {11} mas sim pelos estados {0}
(nenhum servidor ocupado), {1} (um servidor ocupado) e {2} (dois servidores ocupados), que
dizem respeito ao agrupamento, onde não há diferença no envio de um servidor ou outro.
Com isso, o número de estados desses sistemas dependerá do número de agrupamentos e do
número de servidores por agrupamento. Para tanto, apresenta-se a Equação (1), onde M é o
número de estados do sistema, m é o número de agrupamentos, nk é o número de servidores
do agrupamento k e Q o número de estados das filas.

Por exemplo, considere um sistema composto por 3 átomos, que são subdivididos em
prioridades a e b. O sistema possui 4 servidores, 3 localizados no átomo 1 (1 servidor
especializado em chamados a e 2 em b) e 1 localizado no átomo 2, conforme a Figura X
abaixo. Ele possui capacidade para três usuários indistintos em fila.

Figura 1 – Mapa esquemático do exemplo

Não há diferença quanto às taxas de serviço e prioridade de envio entre os servidores 2 e 3

(escolha aleatória), permitindo que formem um agrupamento próprio. Tem-se então três
agrupamentos distintos: 1) composto pelo servidor 1 (VSA); 2) composto pelos servidores 2 e

4
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

3; e 3) composto pelo servidor 4. Através da Equação 1 pode-se obter o número de estados

como sendo:

Caso não houvesse a agregação dos servidores teria-se 24 + 3 = 19 estados, uma diminuição
de apenas 4 estados. Contudo, conforme será mostrado na Seção 5, em quanto mais servidores
agregados, maior a redução no número de estados. Continuando com o exemplo, a matriz de
preferência de despacho é dada pela Tabela 1 a seguir, elaborada levando em conta a posição
dos agrupamentos.
Tabela 1 – Matriz de preferência de despacho do exemplo
1º 2º 3º
1a 1 2 3
1b 2 3 1
2a 1 3 2
2b 3 2 1
3a 1 2 3
3b 3 2 1
A Tabela 2 apresenta as taxas de chegada do sistema, juntamente das taxas de entrega de cada
servidor que são totalizadas nas taxas de entrega dos agrupamentos.
Tabela 2 – Taxas de chegada e de serviço do exemplo ilustrativo

Taxa de Taxa de Taxa de

Átomo Servidores Agrupamento
chegada (λ) serviço (μ) serviço (μ)
1a 0,20 1,1 1,0 1 1,0
1b 1,00 2,1 1,2 2 2,4
2a 0,15 2,2 1,2 3 1,2
2b 0,80 3,1 1,2
3a 0,10
3b 0,80
A Figura 2 representa um esquema de transição dos estados do exemplo usando a agregação
de estados. As setas vermelhas indicam as transições que ocorrem pela chegada de chamados
e as setas verdes as transições pela conclusão de serviços.

5
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

Figura 2 – Esquema de transição entre estados do exemplo

Fazendo-se um recorte no estado {110}, onde o agrupamento 1 está com seu servidor
ocupado e o agrupamento 2 está com um de seus dois servidores ocupados, enquanto o
agrupamento 3 está com seu servidor livre, observa-se as transições de entrada e saída do
estado, conforme presente na Figura 3.
Figura 3 – Transições do estado {110} do exemplo ilustrativo

Agora é possível construir as equações de equilíbrio e resolvê-las, encontrando as

probabilidades de estado do sistema, o que possibilita a obtenção de medidas de desempenho,
como carga de trabalho, frequência de despacho, tempos de viagem, tempo médio de espera
em fila, etc.
Para calcular a carga de trabalho ρ do servidor i do agrupamento k, utiliza-se a Equação 2 a
seguir. Onde, B é um estado pertencente ao conjunto de estados M do sistema, nkB é o número
de servidores do agrupamento k que se encontram ocupados no estado B, nk é o número de
servidores pertencentes ao agrupamento k, PB é a probabilidade do estado B.

6
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

Dessa forma, as cargas de trabalho dos servidores do exemplo estão presentes na Tabela 3 a
seguir. Note que os servidores 2 e 3, que são pertencentes ao agrupamento 2 possuem a
mesma carga de trabalho, já que são homogêneos e não há diferença na preferência de envio
entre eles.
Tabela 3 – Carga de trabalho dos servidores do exemplo ilustrativo

Servidor Carga
1 0,5749
2 0,6364
3 0,6364
4 0,6901
As frequências de despacho, f, do servidor ki para o átomo j, é dada pela Equação 3 abaixo.
Onde, f(nq)ki,j é a frequência de despacho do servidor ki ao átomo j que não ocasionou em
tempo de espera, fnq)ki,j é a frequência de despacho do servidor ki ao átomo j que resultou de
tempo de espera. Ek,j é o conjunto de estados nos quais um servidor qualquer do agrupamento
k seria despachado para atender a chamados no átomo j, PD é a probabilidade do estado
observado e PS é probabilidade de saturação do sistema.

Com isso, para o exemplo ilustrativo, tem-se as frequências de despacho calculadas presentes
na Tabela 4. Mais uma vez, note que as frequências de despacho para os servidores do
agrupamento 2 são exatamente iguais.
Tabela 4 – Frequências de despacho do exemplo ilustrativo

1a 1b 2a 2b 3a 3b
1 0,032 0,048 0,024 0,038 0,016 0,038
2 0,013 0,114 0,007 0,06 0,006 0,06
3 0,013 0,114 0,007 0,06 0,006 0,06
4 0,008 0,053 0,01 0,103 0,004 0,103
Outras medidas de desempenho são calculadas exatamente da forma como é encontrada na
literatura, como em Larson e Odoni (2007), Souza (2015), Iannoni (2008) e Takeda et al.
(2007).

3 Revisita ao sistema SAMU de Campinas

O sistema SAMU de Campinas, estudado por Takeda et al. (2004), operava 24 horas por dia
com uma central telefônica para a recepção dos chamados. O sistema foi implantado em 1994
durante uma reorganização dos sistemas de atendimento de urgência da cidade. O sistema
operava com um total de 10 ambulâncias para as operações de urgência, sendo 2 VSAs
(veículos de serviço avançado, voltados para atendimentos mais graves) e 8 VSBs (veículos
de serviço básico, voltados para atendimentos mais simples). Além disso, a cidade era

7
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

subdividida em cinco áreas distintas – Norte, Sul, Leste, Oeste e Centro –, porém os veículos
encontravam-se todos na base operacional do sistema (região Centro). Os chamados podiam
ser entrar em uma fila de espera, caso todas as ambulâncias estivessem ocupadas, sendo a fila
limitada a um chamado por ambulância em operação. A Figura 4 mostra o mapa da cidade
com as subdivisões utilizadas para o sistema, assim como o local da base operacional. O envio
dos servidores era feito conforme a gravidade da ocorrência, os VSAs para as ocorrências
graves e os VSBs para os chamados simples, ou seja, utilizou-se a divisão por camadas dos
átomos para demonstrar as diferenças de prioridade. A escolha do servidor era feita de forma
aleatória dentro desses grupos para o envio. Por fim, após a coleta de dados e obtenção do
período de pico, as informações necessárias para a construção do modelo foram obtidas,
estando presentes na Tabela 5, onde já foram considerados os agrupamentos.
Figura 4 – Mapa da cidade de Campinas com as suas subdivisões e local da base.

Fonte: Takeda et al. (2004).

Tabela 5 – Dados da modelagem do sistema SAMU de Campinas

Taxas de
Taxas de Taxas de
Átomos chegada Servidores Agrupamentos
entrega (μ) entrega (μ)
(λ)
NA 0,1035 1,1 0,9836 1 (VSAs) 1,9212
NB 0,8535 1,2 0,9375 2 (VSBs) 7,3376
SA 0,0776 2,1 0,9524
SB 0,8535 2,2 0,8571
LA 0,0776 2,3 0,9836
LB 0,8535 2,4 0,9091
OA 0,1293 2,5 0,9375
OB 1,5001 2,6 0,9836
CA 0,1293 2,7 0,8571
CB 0,8276 2,8 0,8571
Fonte: Takeda et al. (2004).

4 Resolução através do modelo proposto e comparação de resultados

Para a construção do sistema apresentado primeiro partiu-se para a contagem do número de

estados necessários para a construção do modelo, utilizou-se a Equação 1, obtendo-se o
número de 37 estados no total. No trabalho de Takeda et al. (2007), como não houve
agregação de estados o número total de estados foi de 210 + 10 = 1034, além disso, para

8
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

capturar a aleatoriedade no envio dos servidores esse sistema precisou ser resolvido diversas
vezes, aumentando ainda mais o número de equações resolvidas.

Com isso em mente, as informações apresentadas na Seção 3 e o modelo apresentado na

Seção 2, calculou-se as probabilidades de cada estado do sistema, assim como algumas
medidas de desempenho. Primeiramente, encontrou-se a carga de trabalho dos servidores por
meio da Equação 2, conforme se encontra na Tabela 6. Observe que mesmo, no estudo
original, os servidores não sendo considerados homogêneos dentro de suas classes (VSAs e
VSBs) isso não atrapalhou na obtenção da medida de desempenho, onde os resultados foram
iguais para todos servidores.
Tabela 6 – Comparação das cargas de trabalho obtidas

Sem agregação
Com
Servidor - original
Agregação
Takeda (2004)
1,1 0,39 0,39
1,2 0,39 0,39
2,1 0,63 0,63
2,2 0,63 0,63
2,3 0,63 0,63
2,4 0,63 0,63
2,5 0,63 0,63
2,6 0,63 0,63
2,7 0,63 0,63
2,8 0,63 0,63
Para as frequências de despacho foi utilizada a Equação 3 e os resultados presentes na Tabela
7 a seguir. Note que, devido às pequenas alterações nas taxas de serviço das ambulâncias de
mesmo agrupamento, há uma pequena diferença entre elas. Contudo, não foi possível
estabelecer uma comparação, porque essa informação não fora encontrada nos trabalhos
relacionados (TAKEDA, 2000; TAKEDA et al., 2004; 2007).
Tabela 7 – Frequências de despacho para os servidores do sistema SAMU de Campinas

NA NB SA SB LA LB OA OB CA CB
1,1 0,008 0,006 0,006 0,006 0,006 0,006 0,01 0,01 0,01 0,005
1,2 0,007 0,005 0,006 0,005 0,006 0,005 0,009 0,009 0,009 0,005
2,1 5E-04 0,019 4E-04 0,019 4E-04 0,019 6E-04 0,034 6E-04 0,019
2,2 4E-04 0,017 3E-04 0,017 3E-04 0,017 6E-04 0,03 6E-04 0,017
2,3 5E-04 0,02 4E-04 0,02 4E-04 0,02 6E-04 0,035 6E-04 0,019
2,4 5E-04 0,018 4E-04 0,018 4E-04 0,018 6E-04 0,032 6E-04 0,018
2,5 5E-04 0,019 4E-04 0,019 4E-04 0,019 6E-04 0,033 6E-04 0,018
2,6 5E-04 0,02 4E-04 0,02 4E-04 0,02 6E-04 0,035 6E-04 0,019
2,7 4E-04 0,017 3E-04 0,017 3E-04 0,017 6E-04 0,03 6E-04 0,017
2,8 4E-04 0,017 3E-04 0,017 3E-04 0,017 6E-04 0,03 6E-04 0,017

9
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

5 Considerações finais

Neste artigo foi apresentada uma proposta de modelo como alteração ao modelo hipercubo a
fim de se poder modelar sistemas com menor custo computacional. Além de apresentar
algumas de suas medidas de desempenho e uma comparação com um estudo anterior.
O novo modelo proposto mostrou-se bastante simples e ainda sim com bons resultados,
mesmo utilizando-se de algumas aproximações. Isso é possível de se observar nas Seções 3 e
4, onde os servidores, mesmo não sendo homogêneos, foram agrupados. Tiveram suas cargas
de trabalho exatamente iguais na comparação com Takeda et al. (2004).
Com isso em vista, consegue-se atender a uma demanda pela diminuição do modelo sem a
perda de precisão nos resultados apresentada em Chiyoshi e Morabito (2000), Chiyoshi et al.
(2011), Luque (2006). Sendo que neste novo modelo o aumento no número de estados
provém do número de servidores e número de agrupamentos, conseguindo, como mostrado na
Seção 4 diminuir o número de estados de um sistema para uma fração. Na comparação
realizada, por exemplo, essa diminuição foi de 1034 equações para apenas 37, mantendo a
precisão dos dados.
Para trabalhos futuros, propõe-se a utilização desse novo modelo juntamente de outras
extensões do modelo hipercubo, como prioridade em fila, backup parcial, reserva de
capacidade, entre outras, em sistemas reais. Também propõe-se o estudo de sistemas fora de
seu estado de equilíbrio, por meio de uma análise dinâmica, como mostrado em Souza et al.
(2014).
Os autores agradecem à FAPESP pelo apoio financeiro.

6 Referências

BRANDEAU M., LARSON R.C. Extending and applying the hypercube queueing model to
deploy ambulances in Boston. In: SWERSEY A.J, INGNALL E.J.(eds). Delivery of
Urban Services. TIMS Studies in the Management Science 22, Elsevier, 121-153,
1986.
BURWELL T.H., JARVIS J.P., McKNEW M.A. Modeling co-located servers and dispatch
ties in the hypercube model. Computers & Operations Research 20(2), 113-119, 1993.
CHELST K. R., BARLACH Z. Multiple unit dispatches in emergency services: models to
estimate system performance. Management Science 27(12), p.1390-1409, 1981.
CHIYOSHI F., GALVÃO R.D., MORABITO R. O uso do modelo hipercubo na solução de
problemas de localização probabilísticos. Gestão & Produção 7(2), 146-174, 2000.
CHIYOSHI, F., IANNONI, A. P., MORABITO, R. A tutorial on hypercube queueing
models and some practical applications in emergency service systems. Pesquisa
Operacional, v. 31, n. 2, p271-299, 2011.
COSTA D.M. Uma metodologia iterativa para determinação de zonas de atendimento de
serviços emergenciais. Universidade Federal de Santa Catarina. Tese (doutorado em
Engenharia de Produção) - Departamento de Engenharia de Produção, 2004.
FIGUEIREDO A. P. S., LORENA L. A. N. Localização de ambulâncias: uma aplicação
para a cidade de São José dos Campos. Anais XII Simpósio Brasileiro de
Sensoriamento Remoto, Goiânia, Brasil, INPE, p. 1965-1972, 2005.
IANNONI A. P., CHIYOSHI F., MORABITO, R. A spatially distributed queuing model
considering dispatching policies with server reservation, Transportation Research, E
75, 49-66, 2015.
IANNONI A. P. Otimização da configuração e operação de sistemas médico emergenciais
em rodovias utilizando o modelo hipercubo. Universidade Federal de São Carlos. Tese

10
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

(doutorado em Engenharia de Produção) – Departamento de Engenharia de Produção,

2005.
IANNONI A. P., MORABITO R. Modelo de fila hipercubo com múltiplo despacho e
backup parcial para análise de sistemas de atendimento médico emergenciais em
rodovias. Pesquisa Operacional, v.26, n.3, p.493-519, 2006.
IANNONI, A. P., MORABITO, R., SAYDAM, C. A hypercube queueing model embedded
into a genetic algorithm for ambulance deployment on highways. Annals of
Operations Research 157 (1), p. 207 – 224, 2008a.
IANNONI A. P., MORABITO, R., SAYDAM, C. An optimization approach for ambulance
location and the districting of the response segments on highways. European Journal
of OperationalResearch, 2008b. doi:10.1016/j.ejor.2008.02.003. 27
IANNONI, A. P., MORABITO, R. A multiple dispatch and partial backup hypercube
queuing model to analyze emergency medical systems on highways. Transport
Research, Part E, 2007.
LARSON R.C. Hypercube queuing model for facility location and redistricting in urban
mergency services. Computers and operations research 1, 67-95, 1974.
LARSON R.C., ODONI A.R. Urban Operations Research. 2 ed. Dynamic Ideas, Belmont,
Massachusett, 2007.
LUQUE L. Análise da aglutinação de estados em cadeias de markov do modelo hipercubo de
filas com servidores co-localizados. Dissertação de Mestrado. INPE – São José dos
Campos, 2006.
MENDONÇA F., MORABITO R. Aplicação do modelo hipercubo para análise de um
sistema médico-emergencial em rodovia, Gestão & Produção 7(1), 73-91, 2000.
MENDONÇA F.C., MORABITO R. Analyzing emergency service ambulance deployment
on a Brazilian highway using the hypercube model. Journal of the Operation Research
Society 52, 261-268, 2001.
MIGUEL P.A.C., MORABITO R., PUREZA V. Metodologia de pesquisa em engenharia
de produção e gestão de operações. Elsevier, 2010, p. 226.
OLIVEIRA L. K. Uma aplicação do modelo hipercubo de filas para avaliação do centro de
emergência da polícia militar de Santa Catarina. Florianópolis. Dissertação (Mestrado
em Engenharia de Produção) Departamento de Engenharia de Produção, Universidade
Federal de Santa Catarina, 2003.
RODRIGUES, L. F. Análise dos serviços emergenciais de manutenção agrícola e
borracharia na agroindústria canavieira utilizando teoria de filas. Universidade Federal
de São Carlos. Tese (doutorado em Engenharia de Produção) – Departamento de
Engenharia de Produção, 2014.
SACKS S. R., GRIEF S. Orlando Police Department uses OR/MS methodology, new
software to design patrol districts. OR/MS Today, Baltimore, 30-32, 1994.
SIMPSON N.C., HANCOCK P.G. Fifty years of operational research and emergency
response. Journal of the Operational Research Society 60, p. 126-139, 2009.
SOUZA, R. M. Análise da configuração de SAMU utilizando modelo hipercubo com
prioridade na fila e múltiplas alternativas de localização de ambulâncias. Universidade
Federal de São Carlos. Tese (doutorado em Engenharia de Produção) – Departamento
de Engenharia de Produção, 2010.
SOUZA, R. M.; MORABITO, R.; CHIYOSHI, F. Y.; IANNONI, A. P. Análise da
configuração de SAMU utilizando múltiplas alternativas de localização de
ambulâncias. Gestão & Produção, v. 20, n. 2, p. 287-302, 2013.
SOUZA, R. M., MORABITO, R., CHIYOSHI, F. Y., IANNONI, A. P. Abordagem
dinâmica nos modelos M(t)M(t)m(t)C(t) e Hipercubo, XLVI Simpósio Brasileiro de
Pesquisa Operacional, Anais, p2202-2213, 2014b.

11
 XXII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Política Nacional de Inovação e Engenharia de Produção
Bauru, SP, Brasil, 09 a 11 de novembro de 2015

SOUZA R. M. , MORABITO R., CHIYOSHI F. Y., IANONNI A. P. Incorporating

priorities for waiting customers in the Hypercube Queuing Model, with application to
an emergency medical service system in Brazil. European Journal of Operational
Research, v. 242, p. 274-285, 2015.
TAKEDA, R. A. Uma contribuição para avaliar o desempenho de sistemas de transporte
emergencial de saúde. Tese (Doutorado em Engenharia de Produção),
EESC/Universidade de São Paulo, São Carlos, 2000.
TAKEDA, R. A.; WIDMER, J. A.; MORABITO, R. Aplicação do modelo hipercubo de
filas para avaliar a descentralização de ambulâncias em um sistema urbano de
atendimento médico de urgência. Pesquisa Operacional, v. 24, n. 1, p. 39-72, 2004.
TAKEDA R.A., WIDMER, J.A., MORABITO, R. Analysis of ambulance decentralization
in an urban emergency medical service using the hypercube queueing model.
Computers & Operations Research 34, p. 727-741, 2007.

12