MODELAGEM E SIMULAÇÃO DA

PRODUÇÃO
Prof. Dr. David Custódio de Sena
sena@ufersa.edu.br
SIMULAÇÃO

TEORIA DAS FILAS

SIMULAÇÃO

 Questionário:
1. O que é simulação?
2. Como a simulação se diferencia de abordagens analíticas?
3. Quais os modos de se fazer um experimento de uma realidade?
4. Quais os dois tipos de modelos?
5. Quais os dois tipos de modelos matemáticos?
6. Quais as vantagens e desvantagens da simulação?
7. O que é uma variável de estado?
8. O que é um evento e quais os tipos de eventos?
9. Quais são os elementos passivos em uma simulação?
10. Qual é o elemento ativo em uma simulação?
SIMULAÇÃO

 TÓPICOS
 Elementos de fila
 Clientes
 Serviços
 Servidores
 Principais variáveis de uma fila
 População
 Padrão de chegada
 Padrão de atendimento
 Disciplina da fila
 Tipos de fila
 Notação de Kendall
SIMULAÇÃO
 Os elementos fundamentais de um sistema de fila envolvem
 Clientes (peças / informações / produtos)
 Serviço (processamento / operação / tratamento)
 Servidores (máquinas / computadores / operadores)
 E envolvem as seguinte variáveis fundamentais:
SIMULAÇÃO
 A população de potenciais clientes
 Pode ser finita ou infinita;
 Impacta principalmente nos cálculos do comportamento de chegada de um cliente em
particular.
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 Comportamento de como um cliente sai da população e entra na fila

População Fila
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 A chegada de clientes acontecem geralmente em momentos ti (sendo i = 0, 1, ..., n),
em que t0 < ti < ... < tn;
 Por exemplo, imaginemos que o momento de chegadas de clientes em uma loja foram
os seguintes:
Cliente (i) Momento de chegada no
relógio(ti)
1 09:00:15
2 09:00:20
3 09:01:40
4 09:02:05
5 09:02:15
6 09:02:55
7 09:03:20
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 A variável aleatória rk = tk – tk-1 (em que k ≥ 1) é chamada de intervalo de
chegada;
 Os intervalos de chegada do exemplo da loja são:
Cliente (i) Momento de chegada (ti) Intervalo de chegada (rk) em
segundos
1 09:00:15 -
2 09:00:20 5
3 09:01:40 80
4 09:02:05 25
5 09:02:15 10
6 09:02:55 40
7 09:03:20 25
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 Caso o intervalo temporal de análise seja fixo (ou seja contando o número de
cliente que chegou nesse intervalo) utiliza-se o ritmo de chegada ().
 Inverso ao intervalo de chegada;
 O ritmo de chegada por minuto para o exemplo da loja foi:

Minuto Ritmo ()

1 2
2 1
3 3
4 1
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 Pode ser representado em termos de uma função de distribuição particular de
probabilidade.
 Por exemplo POISSON (5), NORMAL (5,0.1);
SIMULAÇÃO
 A disciplina da fila
 Como a fila se organiza
SIMULAÇÃO
 A disciplina da fila
 Há dois aspectos básicos que precisam ser identificados
1. A maneira como clientes em fila são eventualmente selecionados para o serviço.
 FIFO, ou PEPS
 LIFO, ou UEPS
 Prioritário
 Aleatório
 Regra própria
SIMULAÇÃO
 A disciplina da fila
 Há dois aspectos básicos que precisam ser identificados
2. O comportamento desses clientes enquanto esperam na fila ou ao chegar na fila exigindo o
seu serviço. Por exemplo:
 A não entrada na fila
 A desistência durante a espera.

Influência principal:
Tempo
Tamanho
de atendimento
da fila
SIMULAÇÃO
 O mecanismo de atendimento
 O motivo da geração da fila;
 Habilidade de um ou mais servidores oferecem um atendimento aos clientes
durante um período de tempo;
 Dimensões tempo de atendimento (análogo ao intervalo de chegada) e ritmo
de atendimento  (análogo ao ritmo de chegada  ).
SIMULAÇÃO
 O mecanismo de atendimento
 Segue algumas suposições
1. Cada servidor atende apenas um cliente por vez;
2. Se um servidor está livre e um cliente entra na fila, aquele precisa fornecer seus serviços
imediatamente;
3. Ao completar um serviço, o servidor precisa atender ao próximo cliente disponível;
4. O serviço é normalmente independente do número de clientes esperando em fila e dos
clientes já atendidos.
SIMULAÇÃO
 Tipos de fila
 Simples servidor / uma fila um atendente
 Mais simples
 Apenas um servidor para a fila

População Fila Servidor

SIMULAÇÃO
 Tipos de fila
 Múltiplos servidores / uma fila vários atendentes
 Finito número de servidores

Servidor 1

População Fila Servidor 2

Servidor 3
SIMULAÇÃO
 Tipos de fila
 Múltiplos servidores com múltiplas habilidades
 Finito número de servidores
 Servidores polivalentes
Servidor 1

População Fila

Servidor 2

Servidor 3

População Fila

Servidor 4
SIMULAÇÃO
 Variáveis Aleatórias Fundamentais

Número
Númerode de
Número de clientes
atendentes
clientes
Tempo no na filade
Número
sistema
em atendimento
clientes no sistema
SIMULAÇÃO
 Variáveis Aleatórias Fundamentais
 Relações básicas
 NS = NF + NA;
 TS = TF + TA;
 NA =  / = TA/IC;
 NS = NF + NA = NF + (/) = NF + (TA/IC);
 NS = TS (Fórmula de Little).
SIMULAÇÃO
 Variáveis Aleatórias Fundamentais
 Para o caso de “uma fila / um atendente”, chamamos de taxa de utilização do
atendente a expressão
=/
 No caso de “uma fila / vários atendentes”, a expressão se torna:
=/c
  representa a fração média do tempo em que cada servidor está ocupado.
SIMULAÇÃO
 Exemplo
 Qual a taxa de utilização de um atendente, se chegam 4 clientes por hora e se o
atendente tem capacidade de atender 10 clientes por hora?

0.4 ou 40%

E se os valores fossem
inversos?
SIMULAÇÃO
 Variáveis Aleatórias Fundamentais
 Chamamos de intensidade de tráfego a expressão
i = | / | = |TA / IC|
 i representa o número mínimo de atendentes necessários para atender a um dado
fluxo de tráfego.
 Exemplo
 Se  = 10 clientes/hora e TA = 3 minutos, qual será a intensidade de tráfego?
 Se o fluxo de chegada aumentar para  = 50 clientes/hora, qual vai ser a intensidade de tráfego?
0.5 ou 50% → 1 atendente

2.5 ou 250% → 3 atendentes

SIMULAÇÃO
 Exemplo
 Em uma fábrica observou-se o funcionamento de um dado setor, em que  = 20 peças
por hora,  = 25 peças por hora e TS = 0,3 hora. Qual o tamanho médio da fila? Qual
o número médio de peças no sistema e o número médio de peças no atendimento?
Qual o mínimo de equipamentos necessários? E se dobrarmos o fluxo de entrada de
peças?

Tamanho médio da fila = 5,2 peças

Número médio de peças no sistema = 6 peças
Número médio de peças no atendimento = 0,8 peça
Mínimo de equipamentos necessários = 1
Mínimo de equipamentos necessários
com o fluxo dobrado = 2
SIMULAÇÃO
 Ciclo é o tempo gasto para que um elemento, partindo de um ponto de
referência qualquer, percorra todo o sistema e volte ao mesmo ponto;
 É utilizado em sistemas fechados, em que os clientes não entram e nem saem
do sistema.
ciclo = (tam. da população) /
Fora do sistema
ciclo = TS + TFS (tempo fora do sistema)

Sistema (Fila + Atendimento)

SIMULAÇÃO
 Exemplo
 Em uma mineração cada caminhão efetua um ciclo em que é carregado de minério
por uma das carregadeiras, desloca-se para o britador para o descarregamento e
retorna às carregadeiras. Verificou-se que o tempo médio (TS) dos caminhões junto ao
britador é de 12 minutos e que, em média, existem 6 caminhões (NS) no setor. Qual a
taxa de chegada de caminhões? No mesmo sistema, existindo um total de 30
caminhões em serviço, qual a duração de um ciclo? Qual o tempo médio para o
processo completo de carregamento?
SIMULAÇÃO
 Modelos de filas
 Notação Kendall
 De uma maneira geral, um modelo de filas pode ser descrito pela seguinte notação:
A/B/c/K/m/Z
onde:
A descreve a distribuição dos intervalos entre chegada;
B descreve a distribuição do tempo de serviço;
c é a capacidade de atendimento ou quantidade de atendentes;
K é a capacidade máxima do sistema (número máximo de clientes no sistema);
m é o tamanho da população que fornece clientes;
Z é a disciplina da fila.
SIMULAÇÃO
 Modelos de filas
 Notação Kendall
 A e B dependem do tipo de distribuição a que elas se referem:
 M: Exponencial negativa (ou Markoviana ou Poisson);
 Em: Erlang de estágio m;
 Hm: Hiper-exponencial de estágio m;
 Determinística;
 Geral.
 Assim, por exemplo, M/E2/5/20//Randômico significa chegadas Markoviana (ou Poisson),
atendimento Erlang de segundo grau, 5 atendentes, capacidade máxima do sistema igual a 20
clientes, população infinita e atendimento randômico;
 A notação A/B/c é muito usada e se supõe que não há limite para o tamanho da fila, a
população é infinita e a disciplina da fila é FIFO.
SIMULAÇÃO
 Modelos M/M/1
 O ritmo de chegada segue uma distribuição de probabilidade de Poisson em que a
chegada de clientes segue uma ocorrência aleatória dada uma taxa média λ;
 O tempo de atendimento segue uma distribuição exponencial negativa
representado pelo inverso do fluxo de atendimento médio ;
 Apenas 1 atendente.
SIMULAÇÃO
 Modelos M/M/1
 População infinita

Nome Descrição Fórmula

NF Número médio de clientes na 2
NF =
fila  ( −  )
NS Número médio de clientes no 
NS =
sistema  −
TF Tempo médio na fila 
TF =
 ( −  )
TS Tempo médio no sistema TS =
1
 −
Pn Probabilidade de existirem n  
Pn = (1 − )( ) n
clientes no sistema  
SIMULAÇÃO
 Exemplo
 Suponhamos que as chegadas a uma cabine telefônica obedecem a lei de Poisson, com
ritmo de 6 chegadas por hora. A duração média do telefonema é de 3 minutos e
suponhamos que siga a distribuição exponencial. Pede-se:
 A probabilidade de uma pessoa chegar à cabine e não ter que esperar; 70%
 O número médio de pessoas na fila; 0.12 pessoa
 O número médio de pessoas no sistema; 0.42 pessoa
 O número médio de clientes usando o telefone; 0.30 pessoa
 O tempo na fila; 0.02 hora ou 1.2 minutos
 Para qual ritmo de chegada teríamos a situação em que o tempo médio de espera na fila seria de
3 minutos? 10 chegadas/hora
 A fração do dia durante o qual o telefone está em uso. 30%
SIMULAÇÃO
 Modelos M/M/1
 População finita
 Notação K (Tamanho da população)

NF
2

0
0 5 10 15 20 25 30
SIMULAÇÃO
 Modelos M/M/1
 População finita
Nome Descrição Fórmula
NF Número médio de clientes na NF = K −
+
+ (1 − P0 ) +

fila  

NS Número médio de clientes no NS = K −

+  
+ (1 − P0 ) + +
  
sistema
TF Tempo médio na fila TF =
K
−
( +  ) x(1 − P0 )
 2

TS Tempo médio no sistema TS =

K
−
( +  ) x(1 − P0 )
+

 2

 K −n
Pn Probabilidade de existirem n (

)
Pn =
clientes no sistema  j
( )
( K − n) x  j = 0
K 
j!
SIMULAÇÃO
 Modelos M/M/c
 Única fila e diversos servidores;
 O ritmo de chegada segue uma distribuição de probabilidade de Poisson em que a
chegada de clientes segue uma ocorrência aleatória dada uma taxa média λ;
 O tempo de atendimento segue uma distribuição exponencial negativa
representado pelo inverso do fluxo de atendimento médio ;
 As fórmulas para o modelo M/M/c são complexas e difíceis de serem
manipulados;
 A preferência generalizada é pelo uso de gráficos.
SIMULAÇÃO
 Modelos M/M/c
 NF versus Fator de utilização ( =  / c)
SIMULAÇÃO
 Modelos M/M/c
 NS versus Fator de utilização ( =  / c)
SIMULAÇÃO
 Conclusões
 Quando  tende para 1, o tamanho da fila tende para o infinito;
 Um sistema no qual temos fila imensa ( próximo e menor que 1) pode se
transformar em outro praticamente sem fila pela duplicação da capacidade de
atendimento;
 Um sistema em que o tempo de resposta é importante ( a fila deve ser sempre
pequena) deve ser tal que  fique abaixo de 0,6. Caso este sistema esteja em
processo de crescimento ( está crescendo), deve-se pensar em substituir a
capacidade de atendimento antes de  atingir 0,9.
SIMULAÇÃO
 2ª atividade prata
 https://flip.com/c367facb
SIMULAÇÃO
 2ª Atividade do amor
 Resolver a atividade apresentada no vídeo https://youtu.be/wdTCknKZzpU
SIMULAÇÃO

 Referências:
 Teoria das filas e da simulação. Darci Prado.
 Introduction to Operactions Research. Frederick S. Hillier e Gerald J. Lieberman.
 Queuing Theory: A problem Solving Approach. Leonard Gorney.
 mcu.edu.tw/~hyu/Queue-534.xls
SIMULAÇÃO

ATÉ BREVE!!!