Escolar Documentos
Profissional Documentos
Cultura Documentos
Embarque no transporte
público
Supermercado
Vacina contra a gripe
Agência bancária
Elevador no trabalho
Agência bancária drive thru
pedágio
Supermercado
navios aguardando para
atracar
descarga no porto
Parque de diversão
Six Flags
Fila para decolagem!
https://www.theguardian.com/fashion/2018/jul/02/wimbledon-fun-queue-streetwear-brands-
instagram
Representação de um sistema de filas
atendente único
Representação de um sistema de filas
múltiplos atendentes (canais)
Representação de um sistema de filas
múltiplos atendentes com filas independentes
Características das Filas
• As Filas Não São Simpáticas
– Segundo a “Lei de Murphy”:
• a fila que anda é a outra, mas não adianta trocar de fila pois a fila
que anda é a outra”
Fonte: http://www.orlandosentinel.com/news/os-orlando-airport-tsa-vote-20180217-story.html
Fonte: https://dilbert.com/
Observando a dinâmica de uma fila
Em período de meia hora foi observada a chegada de 12 pessoas e o
intervalo entre as mesmas (gerados aleatoriamente)
Chegada
Cliente Intervalo Instante
1 2
2 3
3 3
4 3
5 5
6 0
7 1
8 5
9 1
10 4
11 1
12 2
média 2.5
Observando a dinâmica de uma fila....
• Primeiro calculam-se os horários de chegada,
– a partir dos intervalos entre chegadas, que são dados
Chegada
Cliente Intervalo Instante
1 2 2
2 3 5
3 3 8
4 3 11
5 5 16
6 0 16
7 1 17
8 5 22
9 1 23
10 4 27
11 1 28
12 2 30
média 2.5
Observando a dinâmica de uma fila
Também são gerados aleatoriamente os tempos de atendimento
Chegada Tempo
Cliente Intervalo Instante Atend
1 2 2 1
2 3 5 2
3 3 8 1
4 3 11 1
5 5 16 3
6 0 16 2
7 1 17 1
8 5 22 4
9 1 23 2
10 4 27 3
11 1 28 1
12 2 30 3
média 2.5 2
Observando a dinâmica de uma fila
• Com base nos horários de chegada e nos tempos de atendimento é
possível determinar os horários de início e término de atendimento
Desistência
Disciplina
Processo de Configuração da Fila Saída
População de Chegada Processo de
da
origem Serviço
Fila
(g)
Balk
(b) Saída
do Sistema
(a) (c) (d,e,f)
Definições
= taxa de chegadas (usuários por unidade de tempo)
=
s
Exemplo:
Observando um atendente, podemos constatar que ele atende 6
veículos por hora ou que gasta 10 minutos para atender um veículo
𝑠=2
Disciplina da Fila
First-Come-First-Served (FCFS)
FIFO
Filas comuns onde o primeiro a chegar é o primeiro a ser atendido
Last-Come-First-Served(LCFS)
LIFO
Aplicado em sistemas de controle de estoque e em filas de prioridades
Tempo medido
Tempo medido
Tempo medido
Tempo medido
Tempo medido
Tempo medido
Qual a distribuição de probabilidades?
Tempo medido
Lançamento de dois
7/36
6
Probabilidade
6/36 5 5
Probability
5/36
4 4
4/36 3 3
3/36 2 2
2/36 1 1
1/36
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Sumdos
Soma of outcomes
Resultados
Distribuição acumulada
P(x) .4 .2 .2 .1 .1
distribuição acumulada F(x), é
distribuição de probabilidade P(x),
então vc só soma msm
✓ SEM MEMÓRIA
Interpretação:
A probabilidade de um usuário chegar ao sistema em um dado intervalo de tempo
(por exemplo, nos próximos 2 minutos) independe de quanto tempo faz que ocorreu
a última chegada e independe também das anteriores
Chegadas Markovianas
DISTRIBUIÇÃO EXPONENCIAL
f (t ) = e − t
Coeficiente de Variação
1
x
= =1
var(x )
CV = =
E x E x 1
Função densidade de probabilidade
Função distribuição acumulada
PROCESSO DE POISSON
É um processo Markoviano.
− t
( t )
n
e
Pn ( t ) =
n!
Coeficiente de Variação
n 1
CV = = =
En
Exemplo:
= 0,5
− t
( t )
n
e
Pn ( t ) = t=2
n! n=0 sem chamadas
A probabilidade de passar
mais de dois dias sem uma
chamada é de 36,79%
Ajuste de função de distribuição
#Chegadas
eventos Poisson
/hora
/dia Freqüência Acumulada % acumulada acumulada
0 4 4 0,133 0,139
1 6 10 0,333 0,414
2 13 23 0,767 0,685
3 4 27 0,900 0,862
4 2 29 0,967 0,950
5 0 29 0,967 0,984
6 0 29 0,967 0,996
7 1 30 1,000 0,999
Teste gráfico freqüência
1,2
0,8
% acumulada
0,4 Poisson
0
0 2 4 6 8
Distribuição de Erlang
1
W = Wq + Tempo médio no sistema = tempo médio na fila +
tempo de atendimento
L = W
Lq = Wq
nesse caso:
EQUAÇÃO DE POLLACZEK-KHINTCHINE
Para filas com chegadas regidas por processo de Poisson e apenas uma
posição de serviço é muito prática a equação de Pollaczek-Khintchine para
cálculo do tempo e espera na fila.
2 1 + Cv ( S )2 2 + 2 T2
Lq = ou L=+
1 − 2 2 (1 − )
2. Chegadas independentes
• cada chegada é independente de todas as demais; não
pode haver chegadas em grupos ou blocos (batch)
3. Fila única
4. Servidores em paralelo
Sem diferenciação de atendimento/serviço (fila expressa, pagamento em $)
Principais premissas para aplicação de Teoria de Filas
9. Chegadas Markovianas
• Taxa de chegadas segundo distribuição de Poisson
• OU
• Intervalo entre chegadas segundo distribuição Exponencial
10.Atendimentos Markovianos
• Exceto se o número de servidores s = 1
s
1 canal de serviço (s = 1)
s = 1 ( apenas um servidor/atendente)
FILAS M/M/1
pn = n (1 − )
Se >1, as chegadas têm uma taxa maior do que o atendente pode absorver:
o comprimento da fila aumenta sem limite e um estado estacionário não ocorre.
Uma situação semelhante acontece quando = 1.
FILAS M/M/1, =
L=
1−
2 2 1 + Cv ( S )2
= Lq =
L q
1− 1 − 2
1
W=
−
Wq = −
W (t ) = e − t / W (t 0)
Wq (t ) = e −t / W
(t 0)
Taxa média de chegadas de usuários dentro do estabelecimento de prestação
de serviços:
= n pn
n=0
L = n pn
n=0
Lq = máxn − sn , 0 pn
n=0
Exemplo: Cabine telefônica
1) Qual a probabilidade de uma pessoa chegar à cabine e não ter que esperar?
Fila é M/M/1
Exemplo: Cabine telefônica
1) Qual a probabilidade de uma pessoa chegar à cabine e não ter que esperar?
Temos:
2 1 + Cv ( S ) 2 0.32 1 + 12 0.09
Lq = = = = 0.1285
1 − 2 1 − 0.3 2 0.7
comprimento
médio da fila
0.1285 Lq
Lq = Wq Wq = = = 0.02142 horas = 1.29 min
6
taxa de
tempo médio de
chegada do W = wait (esperar)
espera na fila
sistema L = length (comprimento)
o "q" significa queue (fila), sem ele é do sistema
FILAS M/M/s
=
s
s s s +1 p0
Lq =
s!(1 − )
2
𝑝0 = probabilidade de haver
zero usuários no sistema
−1
s s s +1
p0 = +
s
(s )
n
s!(1 − ) n =0 n!
FILAS M/M/1/K
✓ chegadas segundo distribuição de Poisson (M)
✓ tempos de atendimento exponencialmente distribuídos (M)
✓ 1 atendente
✓ número máximo (K) de usuários permitidos no sistema
(K + 1) K +1 ( 1)
− n (1 − )
1 − 1- K +1
( 1)
L= pn = 1 − K +1
K
( = 1) 1
K + 1 ( = 1)
2
= (1 − p K ) Probabilidade de haver n
usuários no sistema
Filas com restrição de capacidade
• O sistema de filas (espera + atendimento) tem uma capacidade
limitada
𝐾 =4+1=5
Filas com restrição de capacidade (K)
𝐾 =6+2=8
Filas com restrição de capacidade
• As fórmulas de Little
L = W
Lq = Wq
• Consideram
• No caso de K =
=
FILAS M/M/s/K
s s s +1
Lq = 1− K −s
− (1 − )( K − s ) K −s
p0
s!(1 − )
2
( )
s s s +1 1 − K − s s
( n −1
s )
+ ( 1)
s!(1 − ) n =0 n! Probabilidade 𝑝0 de haver
p0 = zero usuários no sistema
n −1
s s s
s
s! (K − s ) + n! ( = 1)
n =0
FILAS M/M/s/K
Probabilidade 𝑝𝑛 de haver n
usuários no sistema
(s )n
p0 (n = 1, 2, ..., s)
n!
pn = s s n
p0 (n = s + 1, ..., K )
s!
0 (n = K + 1, K + 2, ...)
1
RELAÇÃO ENTRE
OS TEMPOS DE ESPERA DAS FILAS M/M/s E M/D/s
𝐶𝑣 (𝑆) = 1 Wq( M ) s +1 1− s
=
𝐶𝑣 (𝑆) = 0
Wq( D ) s 1− s +1
Wq(M ) = tempo de espera médio para a fila M/M/s
• Leia a reportagem
• Identifique os principais pontos da reportagem
• Priorize as ideias e sugestões em ordem decrescente de importância.
• Sugira outras medidas medida adicional para mitigar o efeito da espera em filas
https://edition.cnn.com/style/article/design-of-
waiting-lines/index.html
Exemplos de simulação
https://www.youtube.com/watch?v=O8PWoK1OSnc
Exemplos de simulação
• https://www.youtube.com/watch?v=JBh4Mpv6XLg
Exemplos de simulação
• https://www.youtube.com/watch?v=6EFPB0FUgCM
https://www.youtube.com/watch?v=cJ2OgT4z2co
Exemplos de simulação
• http://www.anylogic.com/video-tour
https://www.youtube.com/watch?v=MUTsHnf6ga8
Exemplos de simulação
• http://www.anylogic.com/video-tour
Exercício 2
Exercício 2 – Atendimento Pronto Socorro
• O problema
– Pacientes chegam ao PS segundo uma distribuição de Poisson com taxa de chegadas
– Equivale ao intervalo entre chegadas ser 1/ e obedecer uma distribuição exponencial.
– O tempo de atendimento do médico para cada paciente segue uma distribuição
exponencial com média (1/ ), ou seja, a taxa de atendimento é
– O sistema pode ser modelado como um modelo de filas do tipo M/M/s onde s = número
de médicos
pelo que eu percebi é sempre M/M
➢ Dados
= 2 pacientes por hora
= 3 pacientes por hora
❖ Perguntas
– Como as características do sistema são afetadas? (, Wq, W, Lq e L)
– A capacidade deve ser aumentada de 1 para 2 médicos? Justificar
G = genérico, Formulário
qualquer um
• Fila M/G/1/
2 1 + Cv ( S )2
Lq =
1 − 2
• Fila M/M/s/
−1
Lq =
s
s s +1
p0 s
p0 =
s s +1
+
s
(s )
n
s!(1 − ) s!(1 − ) n =0 n!
2
• Fórmulas de Little
Lq = Wq
L = W
Atendimento com um médico
2 2
= = =
s 1x3 3
Lq =
2 2 ( )
2 2
1 + Cv ( S ) 3 1 + 12 4 3 4
= 2 = = = 1.33 pacientes
1 − 2 1 − 3 2 9 1 3
Lq 4
3 4 2
Lq = Wq Wq = = = = hora = 40 min
2 6 3
1 2 1
W = Wq + = + = 1 hora
3 3
L = W = 2 1 = 2 pacientes
Atendimento com dois médicos
𝜆 2 2 1
𝜌= = = =
𝑠𝜇 2 × 3 6 3
𝑠 −1
𝑠 𝑠 𝜌 𝑠+1 𝑠𝜌 𝑛
𝑝0 = +
𝑠! 1 − 𝜌 𝑛!
𝑛=0
3 0 1 2 −1
1 1 1 1
22 2×3 2×3 2×3
𝑝0 = 3+ + + = 0,500
1 0! 1! 2!
2! 1 − 3
3
1
𝑠 𝑠 𝜌 𝑠+1 𝑝0 22 0,500 1
𝐿𝑞 = = 3 = = 0,083
𝑠! 1 − 𝜌 2 1 12
2! (1 − )
3
1
𝐿𝑞 ( ) 1 1
ҧ
𝐿𝑞 = 𝜆𝑊𝑞 ⇒ 𝑊𝑞 = = 12 = ℎ × 60 = 2,5 𝑚𝑖𝑛 𝑊 = 𝑊 + = 2,5 + 20 = 22,5
𝑞
𝜆ҧ 2 24 𝜇
Resultados
• Interpretação:
– Tempo na fila = tempo aguardando na sala de espera
– Tempo no sistema = tempo no PS (na fila ou em atendimento)