Simulação de Processos

Simulação
de Processos
Produtivos
PROFESSOR
Dr. Fernando Pereira Calderaro
ACESSE AQUI O SEU

LIVRO NA VERSÃO
DIGITAL!
DIREÇÃO UNICESUMAR
Reitor Wilson de Matos Silva Vice-Reitor Wilson de Matos Silva Filho Pró-Reitor de Administração Wilson de Matos Silva Filho
Pró-Reitor Executivo de EAD William Victor Kendrick de Matos Silva Pró-Reitor de Ensino de EAD Janes Fidélis Tomelin
Presidente da Mantenedora Cláudio Ferdinandi
NEAD - NÚCLEO DE EDUCAÇÃO A DISTÂNCIA

Diretoria Executiva Chrystiano Mincoﬀ, James Prestes, Tiago Stachon Diretoria de Graduação e Pós-graduação Kátia Coelho Diretoria
de Cursos Híbridos Fabricio Ricardo Lazilha Diretoria de Permanência Leonardo Spaine Diretoria de Design Educacional Paula
Renata dos Santos Ferreira Head de Graduação Marcia de Souza Head de Metodologias Ativas Thuinie Medeiros Vilela Daros Head
de Tecnologia e Planejamento Educacional Tania C. Yoshie Fukushima Gerência de Planejamento e Design Educacional Jislaine
Cristina da Silva Gerência de Tecnologia Educacional Marcio Alexandre Wecker Gerência de Produção Digital Diogo Ribeiro Garcia
Gerência de Projetos Especiais Edison Rodrigo Valim Supervisora de Produção Digital Daniele Correia
PRODUÇÃO DE MATERIAIS
Coordenador de Conteúdo Crislaine Rodrigues Galan Designer Educacional Jociane Karise Benedett Curadoria Carla
Fernanda Marek; Rafaela Benan Zara Revisão Textual Meyre Aparecida Barbosa da Silva Editoração André Morais de
Freitas Ilustração Eduardo Aparecido Alves; Geison Odlevati Ferreira Realidade Aumentada Nome Fotos Shutterstock.
FICHA CATALOGRÁFICA
C397 CENTRO UNIVERSITÁRIO DE MARINGÁ.

Núcleo de Educação a Distância. CALDERARO, Fernando Pereira.
Simulação de Processos Produtivos. Fernando Pereira

Calderaro. Maringá - PR.: Unicesumar, 2021.
320 p.
ISBN: 978-65-5615-751-1
“Graduação - EaD”.
1. Simulação 2. Processos 3. Produtivos 4. EaD.
CDD - 22 ed. 658.4
Impresso por:
Bibliotecário: João Vivaldo de Souza CRB- 9-1679 Pró Reitoria de Ensino EAD Unicesumar
Diretoria de Design Educacional
NEAD - Núcleo de Educação a Distância

Av. Guedner, 1610, Bloco 4 - Jd. Aclimação - Cep 87050-900 | Maringá - Paraná
www.unicesumar.edu.br | 0800 600 6360
A UniCesumar celebra os seus 30 anos de
história avançando a cada dia. Agora, enquanto
Universidade, ampliamos a nossa autonomia Tudo isso para honrarmos a
e trabalhamos diariamente para que nossa nossa missão, que é promover
educação à distância continue como uma das a educação de qualidade nas
melhores do Brasil. Atuamos sobre quatro diferentes áreas do conhecimento,
pilares que consolidam a visão abrangente do formando profissionais
que é o conhecimento para nós: o intelectual, o cidadãos que contribuam para o
profissional, o emocional e o espiritual. desenvolvimento de uma sociedade
justa e solidária.
A nossa missão é a de “Promover a educação de
qualidade nas diferentes áreas do conhecimento,
formando profissionais cidadãos que contribuam
para o desenvolvimento de uma sociedade
justa e solidária”. Neste sentido, a UniCesumar
tem um gênio importante para o cumprimento
integral desta missão: o coletivo. São os nossos
professores e equipe que produzem a cada dia
uma inovação, uma transformação na forma
de pensar e de aprender. É assim que fazemos
juntos um novo conhecimento diariamente.
São mais de 800 títulos de livros didáticos

como este produzidos anualmente, com a
distribuição de mais de 2 milhões de exemplares
gratuitamente para nossos acadêmicos. Estamos
presentes em mais de 700 polos EAD e cinco
campi: Maringá, Curitiba, Londrina, Ponta Grossa
e Corumbá), o que nos posiciona entre os 10
maiores grupos educacionais do país.
Aprendemos e escrevemos juntos esta belíssima

história da jornada do conhecimento. Mário
Quintana diz que “Livros não mudam o mundo,
quem muda o mundo são as pessoas. Os
livros só mudam as pessoas”. Seja bem-vindo à
oportunidade de fazer a sua mudança!
Reitor
Wilson de Matos Silva
Olá, meu nome é Fernando, sou Engenheiro Químico e adoro

ler livros sobre diversos assuntos. Inclusive, este é um de meus
hobbies, ler livros com temas diferentes de Engenharia para abrir
novos horizontes. Outra atividade que faço é tocar flauta trans-
versal, instrumento que aprendi desde criança. Apesar de ser
um instrumento clássico, gosto tanto de música clássica quanto
de rock, sou bem eclético. Mas não toco, profissionalmente, é
apenas um gosto pessoal. Uma paixão recente é a Aromaterapia,
gosto de estudar e criar produtos em casa para uso pessoal,
envolvendo óleos essenciais, óleos vegetais, manteigas vegetais
e extratos diversos.
Link do lattes: http://lattes.cnpq.br/1761642443360771.
Aqui você pode

conhecer um
pouco mais sobre
mim, além das
informações do
meu currículo.
REALIDADE AUMENTADA
Sempre que encontrar esse ícone, esteja conectado à internet e inicie o aplicativo
Unicesumar Experience. Aproxime seu dispositivo móvel da página indicada e veja os
recursos em Realidade Aumentada. Explore as ferramentas do App para saber das
possibilidades de interação de cada objeto.
RODA DE CONVERSA
Professores especialistas e convidados, ampliando as discussões sobre os temas.
PÍLULA DE APRENDIZAGEM
Uma dose extra de conhecimento é sempre bem-vinda. Posicionando seu leitor de QRCode
sobre o código, você terá acesso aos vídeos que complementam o assunto discutido
PENSANDO JUNTOS
Ao longo do livro, você será convidado(a) a refletir, questionar e transformar. Aproveite

este momento.
EXPLORANDO IDEIAS
Com este elemento, você terá a oportunidade de explorar termos e palavras-chave do

assunto discutido, de forma mais objetiva.
EU INDICO
Enquanto estuda, você pode acessar conteúdos online que ampliaram a discussão sobre
os assuntos de maneira interativa usando a tecnologia a seu favor.
Quando identificar o ícone de QR-CODE, utilize o aplicativo Unicesumar

Experience para ter acesso aos conteúdos on-line. O download do aplicativo
está disponível nas plataformas: Google Play App Store
SIMULAÇÃO DE PROCESSOS PRODUTIVOS [M.A.]
Imagine que você foi contratado para avaliar um processo produtivo que tem dois projetos de melhoria
distintos, com máquinas que serão substituídas, e a gerência da fábrica quer saber qual projeto será
mais vantajoso, ou seja, levará a empresa a aumentar sua produtividade. Seria possível avaliar os dois
cenários, sem precisar adquirir as máquinas, montar o sistema e, então, executá-los?
Sim, isso é completamente possível com a simulação de processos. Você pode construir um mode-
lo de simulação que represente as duas possibilidades de troca de máquina, com os parâmetros de
funcionamento de cada sistema e, então, executar a simulação, avaliando os resultados. Assim, você
consegue estimar o que pode ocorrer no sistema real e selecionar uma das opções ou, até mesmo,
descartá-las e avaliar outros cenários.
Antes de continuar, faça uma pesquisa sobre modelos de simulação e softwares, utilizados em
simulação de processos, anote suas observações. Observe, também, a próxima vez que você for a um
hipermercado quantos guichês de caixas há e a quantidade que está, efetivamente, em uso.
Você acha que seria interessante para você, consumidor, que todos os guichês de caixa estivessem
funcionando? E para a gerência do hipermercado, seria algo viável?
Observe que se trata de uma pergunta, até certo ponto, complexa, pois é óbvio que, como consumi-
dor, você não quer esperar na fila de um caixa de supermercado, pois já fez suas compras e quer sair
de lá o mais rápido possível, afinal, tempo é dinheiro. No entanto pode não ser tão interessante assim
para a gerência manter todos os caixas funcionando o dia todo, pois isso implicaria mais gastos com
pessoal e, provavelmente, haveria tempo ocioso. Em uma fábrica, não é diferente, você pode precisar
lidar com decisões que envolvam avaliar se vale a pena, ou não, acrescentar um funcionário em algum
centro ou estação de trabalho para reduzir a formação de filas, e tudo isso pode ser calculado pela Teo-
ria das Filas junto com a Simulação de Processos, propondo e avaliando diferentes cenários. Em nosso
livro, você aprenderá a trabalhar com diferentes modelos de filas, contendo apenas um atendente ou
mais, com e sem população limitada, avaliará estes sistemas, estatisticamente. A partir da Unidade 6,
você utilizará o software Arena para simular diversos sistemas produtivos, sempre tendo em mente
os conceitos da Teoria das Filas. Você aprenderá a simular sistemas sem considerar a movimentação
entre etapas e máquinas e com a movimentação seja por transportador seja correia. Você, também,
verá como simular um sistema que apresenta determinada taxa de reparos em produtos do processo.
Desta maneira, você pode criar modelos de simulação que envolvam os parâmetros de fila, execu-
tá-los e observar os resultados do modelo, que devem ser muito próximos aos resultados reais, caso
tenha escrito o modelo de maneira adequada. Como a simulação não envolve a construção direta do
sistema estudado, nada impede que você faça outros testes, propondo maquinários, layout ou, até
mesmo, uma reestruturação das células de produção de uma fábrica.
Agora, sugiro que você relembre disciplinas passadas, ou rememore os tipos de sistemas produti-
vos e suas características. Você pode criar um Mapa Mental, se preferir, anotando a aplicação de cada
sistema, suas vantagens e desvantagens, pois, muitas vezes, só melhoramos um sistema com filas
alterando a concepção do sistema de produção.
Boa leitura, bons estudos, e aguardo você nas próximas páginas!
CAMINHOS DE
APRENDIZAGEM
1
9 2
35
INTRODUÇÃO À MODELOS DE FILAS
TEORIA DAS FILAS BÁSICOS
E CONCEITOS
BÁSICOS
3
63 4
95
FILAS COM SÉRIES DE FILAS
COMPORTAMENTO E INTRODUÇÃO À
NÃO EXPONENCIAL SIMULAÇÃO
E ANÁLISE DE
CUSTOS COM
TEORIA DAS FILAS
5 123 6
153
ANÁLISE E UTILIZAÇÃO DO
TRATAMENTO ARENA PARA
DOS DADOS SIMULAÇÃO DE
PROCESSOS
PRODUTIVOS
7
193
8
223
UTILIZANDO ESTAÇÕES MÓDULO
DE TRABALHO NO DECIDE
ARENA
9
257
TRANSPORTADORES
E CORREIAS
TRANSPORTADORAS
1
Introdução à
Teoria das Filas e
Conceitos Básicos
Olá, estudante, na primeira unidade do livro Simulação de Processos

Produtivos, você aprenderá conceitos sobre a Teoria das Filas. Conhe-
cer esta teoria é importante, pois ela embasa uma grande quantidade
de problemas dentro da Simulação de Processos, sejam eles em um
sistema produtivo, como uma indústria, sejam em uma prestadora de
serviços, como uma lotérica. No entanto, em ambos os casos, o raciocí-
nio empregado é muito parecido. O objetivo com esta prática é analisar
o comportamento de sistemas para que estes possam ser otimizados.
UNICESUMAR
Toda vez que você vai ao supermercado e adquire algum produto, precisa passar pelo
caixa para fazer o pagamento. Você deve ter notado que, algumas vezes, o processo é
mais rápido e, às vezes, é mais lento. Em algumas horas do dia, você vê todos os caixas
com um operador funcionando e atendendo os clientes, em outros momentos, você vê
menos da metade dos operadores. Já pensou sobre o motivo de isso acontecer? Será que
há alguma forma de identificar quando há maior ou menor necessidade de funcionários
em atendimento?
Observe que esta situação corriqueira, que parece tão simples, é, na verdade, uma
situação que exige planejamento e organização muito grande. Como há diferentes jor-
nadas de trabalho, um gestor de RH precisa elaborar a escala de trabalho para que cada
funcionário saiba quando estará trabalhando, desde o horário de entrada até o horário
de saída de seu turno. O processo de análise deste sistema de trabalho no supermercado
pode se assemelhar ao sistema produtivo de uma fábrica, tendo, inclusive, técnicas de
solução muito parecidas.
Pensando na situação proposta (do caixa do supermercado), faça um levantamento
das causas ou das situações que poderiam ser consideradas na avaliação da maneira de
organizar o horário de trabalho dos funcionários dos caixas de supermercado.
Toda vez que você viaja e precisa passar por uma praça de pedágio, deve ter obser-
vado que há, ao menos, um guichê com a possibilidade de passagem automática, muitas
vezes, devido à presença de adesivos eletrônicos que são afixados nos veículos contendo
informações de pagamento antecipado do valor ou para registro de débito futuro em
conta. É possível entender que estes guichês são mais ágeis, de maneira que o motorista
perca menos tempo durante a viagem, mesmo que seja em torno de 2 a 5min por pedágio.
Dentro desta situação apresentada, peço que você anote, em seu Diário de Bordo,
algumas considerações. Escreva um comparativo entre o guichê sem o leitor de adesivo
eletrônico, ou seja, com pagamento manual, com um operador, e o guichê com o leitor
de adesivo eletrônico, automático. Argumente as vantagens e as desvantagens de cada
um, de acordo com seus conhecimentos prévios. Você pode utilizar como temáticas
para discussão o tempo de passagem no guichê, a formação de filas, a necessidade de
funcionários no local, enfim, esteja livre para discorrer sobre o assunto.
10
UNIDADE 1
DIÁRIO DE BORDO
A partir deste ponto, podemos iniciar nossos estudos em Simulação de Processos Produtivos. A Si-
mulação de Processos Produtivos foi desenvolvida após a Segunda Guerra Mundial. No entanto o
conceito de Teoria das Filas, que debateremos nas primeiras unidades deste livro, é um pouco mais
antigo, datando do início do século XX, mais especificamente, do ano de 1909, quando Agner Krarup
Erlang (1878 - 1929), um engenheiro dinamarquês, estudou o problema do congestionamento de linhas
telefônicas na Dinamarca (FOGLIATTI; MATTOS, 2007). Seu objetivo era avaliar o comportamento
da rede de telefonia frente à disponibilidade de linhas e à demanda existente de ligações telefônicas.
Em seu estudo, ele considerou que as chamadas telefônicas chegam à central de maneira aleatória e
que havendo linha livre a chamada ocorre instantaneamente, no entanto, se todas as linhas estiverem
ocupadas, a chamada do usuário receberá o sinal de ocupado, e esta será, imediatamente, encerrada,
devendo o usuário refazer a ligação, reiniciando o processo de análise de disponibilidade de linha.
As deduções matemáticas de Erlang sobre este problema são utilizadas, na atualidade, para o dimen-
sionamento e a análise de sistemas telefônicos tanto de telefonia fixa quanto móvel. Por este motivo,
Erlang foi considerado o pai da Teoria das Filas e o Pai da Telefonia, tendo seu trabalho documentado
pela primeira vez, em 1917, no livro “Solutions of Some Problems in the Theory of Probabilities of
Significance in Automatic Telephone Exchenges” (Solução de problemas na troca automática em te-
lefonia com Teoria das Probabilidades e Significância – tradução livre). Os estudos de Erlang foram
os precursores da Teoria das Filas, ao menos oficialmente, e ajudaram a defini-la como a conhecemos
hoje. Baseada em conhecimentos e conceitos estatísticos, a Teoria das Filas tem uma forte base na
análise de dados, por este motivo, é uma parte do estudo das Engenharias e da Matemática Aplicada
muito utilizada para tomada de decisões de cunho analítico.
11
UNICESUMAR
Na mesma época de Erlang, um matemático russo chamado Andrei Andreyevich

Markov (1856- 1922) desenvolveu estudos de processos probabilísticos que, poste-
riormente, ficaram conhecidos como Cadeias de Markov, e que acabam norteando
os princípios básicos para a modelagem de sistemas de filas.
Em seus trabalhos, Markov considerou que os dados analisados de um sistema que
variam com o tempo se comportam de maneira independente entre si, não havendo
influência do comportamento de dados anteriores nos dados futuros. Esta conside-
ração é muito útil para explicar inúmeros comportamentos de dados utilizados em
Teoria das Filas, que serão vistos nas próximas páginas do nosso livro.
A importância da Teoria das Filas é tão grande que apresenta aplicações em áreas
como economia, administração, processamento de fluxos, como controle de tráfego,
carregamento e descarregamento de cargas em terminais logísticos/marítimos, pro-
cessamento de informações, estoques e, até mesmo, comunicação de computadores
(FOGLIATTI; MATTOS, 2007).
Segundo Hillier e Lieberman (2013), estudar um sistema de filas não se baseia,
unicamente, em contornar transtornos pessoais (como perder tempo em uma fila
de banco), mas que a fila pode representar grandes ineficiências de processo. Se uma
máquina ficar aguardando para ser reparada, o tempo perdido nesta espera pode
implicar perdas na produção. Navios ou caminhões que fiquem aguardando para
serem descarregados podem atrasar embarques futuros. Aviões atrasando pousos ou
decolagens afetam, diretamente, voos posteriores, gerando atrasos para os passageiros.
Ordens de serviço executadas após o tempo programado afetam a produção de lotes
subsequentes. Até mesmo a realização de serviços após a data prevista pode resultar
em perdas de futuros negócios.
Para Taha (2008), a Teoria das Filas tem por objetivo fornecer um serviço, ao
menos, razoavelmente satisfatório, aos clientes que podem enfrentar filas. O autor
ressalta, também, que a Teoria das Filas é uma técnica que tem como função não a
otimização de sistemas, mas sim a determinação das medidas de desempenho das
filas de espera, tais como tempo médio de espera e a produtividade do sistema, dados
estes que podem ser utilizados para o projeto da instalação de serviço.
Após esta breve introdução à Teoria das Filas, podemos nos debruçar, agora, so-
bre os principais elementos que formam as filas. Vale, aqui, lembrar que iniciaremos
nossos estudos com Teoria das Filas, pois os modelos desenvolvidos por esta teoria
e suas análises estatísticas são utilizados nos softwares de simulação, inclusive, os
parâmetros e as informações de entrada nos softwares, e as soluções encontradas
são provenientes do estudo inicial com Teoria das Filas.
Então, vamos lá?!
12
UNIDADE 1
Se pensarmos em um processo de formação de filas básico, este seria resumido da seguinte forma:
Clientes que precisam de um atendimento (processo) entram no sistema, sendo gerados por uma
fonte de entradas. Estes clientes, ao entrarem no sistema, pegam uma fila. De tempos em tempos, não
necessariamente igualmente espaçados, um dos clientes da fila é selecionado para passar pelo processo
de atendimento. Esta seleção ocorre por meio de uma regra pré-estabelecida. O cliente selecionado da fila
passa pelo processo de atendimento, que também demora um tempo para acontecer, e, então, finalizado
o processo, o cliente deixa o sistema, abrindo uma vaga para que novo cliente possa assumir seu lugar.
Na Figura 1, você pode visualizar como este processo ocorre e já começar a se familiarizar com alguns
termos que serão, exaustivamente, repetidos ao longo de nosso curso de Simulação de Processos Produtivos.
Sistemas de filas
Fonte de Entrada Clientes Fila Mecanismo de Atendimento Clientes Atendidos
Figura 1 - Representação de um processo de fila básico / Fonte: adaptada de Hillier e Lieberman (2013).
Descrição da Imagem: na figura, aparece uma caixa de texto escrito “Fonte de Entrada”, uma seta sai da Fonte de Entrada e chega até
outra caixa de texto, onde está escrito “Fila”. Acima desta seta, está escrito “Clientes”. Da caixa de texto onde está escrito “Fila” sai uma
seta até outra caixa de texto onde se escreveu “Mecanismo de Atendimento”. Desta caixa de texto sai uma seta e, sobre esta seta, está
escrito “Clientes Atendidos”. Há um retângulo tracejado que envolve as caixas de texto “Fila” e “Mecanismo de Atendimento”, e sobre
este retângulo tracejado está escrito “Sistemas de Filas”.
Veja que temos, na Figura 1, um processo sequencial com etapas bem definidas, por este motivo, um
sistema de filas tem grande utilidade na análise de sistemas produtivos e, até mesmo, em seu projeto,
pois agrega informações valiosas sobre as etapas que devem ser seguidas para que o processo ocorra.
Sistemas de filas
População Clientes Fila Guichê da Lotérica Clientes Atendidos
Figura 2 - Representação do processo de fila básico para uma lotérica (prestação de serviços) / Fonte: o autor.
Descrição da Imagem: na figura, aparece uma caixa de texto escrito “População”, uma seta sai da Fonte de Entrada e chega até outra
caixa de texto onde está escrito “Fila”. Acima desta seta, está escrito “Clientes”. Da caixa de texto onde está escrito “Fila” sai uma seta
até outra caixa de texto onde se escreveu “Guichê da Lotérica”. Desta caixa de texto sai uma seta e, sobre ela, está escrito “Clientes
Atendidos”. Há um retângulo tracejado que envolve as caixas de texto “Fila” e “Guichê da Lotérica”, e sobre este retângulo tracejado
está escrito “Sistemas de Filas”.
13
UNICESUMAR
Nas Figuras 2 e 3, há uma reprodução da Figura 1 com adaptações que representam o esquema de filas
básico para prestação de serviços (lotérica) e um processo produtivo de uma indústria metalmecânica.
Sistemas de filas
Operação Peças Peças Soldadas

Fila Máquina de Solda
Predecessora à Solda
Figura 3 - Representação do processo de fila básico para a etapa de soldagem de peças em uma indústria metalmecânica
(sistema produtivo industrial) / Fonte: o autor.
Descrição da Imagem: na figura, aparece uma caixa de texto escrito “Operação Predecessora à Solda”; uma seta sai da Fonte de En-
trada e chega até outra caixa de texto onde está escrito “Fila”. Acima desta seta, está escrito “Peças”. Da caixa de texto onde está escrito
“Fila” sai uma seta até outra caixa de texto, onde se escreveu “Máquina de Solda”. Desta caixa de texto sai uma seta e, sobre ela está
escrito “Peças Soldadas”. Há um retângulo tracejado que envolve as caixas de texto “Fila” e “Máquina de Solda” e sobre este retângulo
tracejado está escrito “Sistemas de Filas”.
Observe, nas Figuras 2 e 3, que o formato de representação da fila foi semelhante ao da Figura 1, logo,
os componentes principais são os mesmos, o que fizemos foi a particularização dos termos de fila para
cada situação representada.
Já adianto para você que a análise por Teoria das Filas pode compreender apenas uma operação entre
duas máquinas que atuam em sequência, ou agregar um conjunto de operações envolvendo diversas má-
quinas e equipamentos. O grau de complexidade que se deseja ao modelar e simular o sistema produtivo
dependerá do interesse do analista em selecionar e avaliar etapas que sejam realmente relevantes para gerar
resultado (que pode ser redução de custo ou aumento de produtividade).
Falando em redução de custos, não poderia deixar de apresentar, já de início a você, um assunto com
qual trabalharemos com mais detalhes, na terceira unidade do livro, mas que deve ficar claro desde
já. Quando você fez o levantamento das causas que poderiam influenciar um gerente de supermer-
cado a escolher quantos funcionários estariam trabalhando nos caixas de atendimento aos clientes,
em determinados períodos do dia, você deve ter pensado em termos de custos para o supermercado.
Entenda como para nós, consumidores, é extremamente conveniente chegar a um supermercado, fazer
as compras e, ao precisar se dirigir ao caixa, sempre encontrar alguém disponível. Isso levaria a uma
economia de tempo enorme para nós. No entanto, para que isso ocorra, há a necessidade de que o su-
permercado tenha uma grande quantidade de caixas, e que todos estejam ocupados por um operador
de caixa. Sabemos que não é o dia inteiro que o supermercado está completamente cheio, então, seria
vantajoso para a empresa (supermercado) pagar para ter inúmeros funcionários disponíveis para o
cliente, mesmo que eles fiquem ociosos em grande parte do dia?
Sem fazer cálculo nenhum, deduzimos que há um limite aceitável, economicamente, para o supermercado
quanto à disponibilização de caixas para atender aos clientes que chegam na loja. Então, qual seria a melhor
quantidade? Obviamente, para responder a esta pergunta, haverá necessidade de levantar alguns dados e
14
UNIDADE 1
aplicar as técnicas disponíveis na Teoria das Filas, com as quais você se familiarizará ao longo do nosso curso.
Fogliatti e Mattos (2007) afirmam que, após a aplicação da teoria das filas e a obtenção das medidas
de desempenho, há necessidade de se analisar os resultados sob dois focos diferentes, o do usuário e
o da gerência. Segundo o ponto de vista do usuário, as medidas principais são o tamanho médio da
fila, o tempo médio de espera na fila e o tempo médio de atendimento, já para a gerência, interessa
bastante o tempo médio de serviço e o tempo médio ocioso. Todos os serviços oferecidos dependem da
atividade humana e/ou de uma máquina, o que implica custos operacionais e de manutenção, além de
investimento, se for o caso. Por este motivo, o correto dimensionamento do processo de atendimento
deve levar em consideração estes custos para que não seja prejudicial para nenhuma parte, usuário e
gerência. Na Figura 4 são apresentadas curvas que esboçam a relação entre os custos para o usuário
(Cusuário) e para a gerência (Cgerenciais).
Custos C gerenciais
C usuário
N° de postos de atendimento
Figura 4 - Custos para o usuário e para a gerência em função do número de postos de atendimento
Fonte: adaptada de Fogliatti e Mattos (2007).
Descrição da Imagem: na figura, há um gráfico com dois eixos, o eixo horizontal representa o “número de postos de atendimento”, e o
eixo vertical representa “custos”. Há duas curvas neste gráfico, uma curva crescente da esquerda para a direita, que representa “Custos
gerenciais”, e outra curva decrescente da esquerda para a direita, que representa “Custos para o usuário”.
Observe que, para o usuário, quanto maior o número de postos de atendimento, menores serão seus
custos, ou seja, menor será o tempo de espera para o atendimento. Porém esta situação eleva muito
os custos da gerência, pois quanto mais postos de atendimento houve, maiores serão os gastos com
manutenção e operação do sistema. Por outro lado, a situação que resulta nos menores custos para a
gerência, que seria, operar com poucos postos de atendimento, elevaria muito os custos para o usuário.
Em outras palavras, havendo poucos postos de atendimento, os custos de operação e manutenção são
baixos, mas o tempo de espera para ser atendido poderia ser insuportável pelo usuário, fazendo-o
trocar de prestador de serviço (é o que, muitas vezes, fazemos quando chegamos em um comércio e
verificamos que o tempo de espera para ser atendido, ou pagar a mercadoria demoraria muito, fazen-
do-nos desistir daquele serviço e procurar outro lugar).
O custo total do sistema de filas poderia ser representado por uma equação, como a apresentada a seguir.
CT a CG b CU
15
UNICESUMAR
Nesta equação geral, CG representa a parcela dos custos gerenciais, CU representa a parcela dos custos
para o usuário, e os parâmetros a e b são constantes de proporcionalidade da equação. Há, no entanto,
um ponto de equilíbrio que fornece uma quantidade razoável de postos de atendimento que não re-
sultam em um custo tão elevado tanto para a gerência quanto para o usuário. É justamente este ponto
que a Teoria das Filas ajuda as empresas a encontrar. A minimização da função custo total represen-
tada pela equação anterior pode fornecer qual a melhor quantidade de postos de atendimento, como
apresentado na Figura 5.
Custos CTOTAL
C gerenciais
C usuário
Figura 5 - Função custo total e seu ponto de equilíbrio / Fonte: adaptada de Fogliatti e Mattos (2007).
Descrição da Imagem: na figura, há um gráfico com dois eixos, o eixo horizontal representa o “número de postos de atendimento”, e o
eixo vertical representa “custos”. Há três curvas neste gráfico, uma curva crescente da esquerda para a direita, que representa “Custos
gerenciais”, outra curva decrescente da esquerda para a direita, que representa “Custos para o usuário”, e uma curva acima das duas
primeiras, em formato de “U”, que representa o “Custo total”. Do ponto mais baixo da curva de “Custo total” sai uma linha tracejada
vertical até tocar o eixo horizontal do “número de postos de atendimento”.
Então, observe o grau de importância da Teoria das Filas para qualquer tipo de sistema, aí sim, pode-
ríamos, também, associá-la a processos de otimização e análise de sistemas.
Tendo uma visão inicial do sistema de filas, agora, começaremos a analisar cada um dos pontos
essenciais deste sistema para, então, fazermos seu equacionamento. Para caracterizar um sistema de
filas você precisa identificar o cliente e o servidor. O cliente é aquele que chega a um sistema para
ser atendido, e o servidor é aquele que prestará o atendimento, podendo ser realizado pelo posto de
atendimento. Se o posto de atendimento estiver ocupado, o cliente deve esperar em uma fila, até que
chegue sua vez de ser atendido (observe a Figura 6). Há um tempo de espera na fila, um tempo
de atendimento e, após o processo, o cliente deixa o sistema dando lugar para outro (TAHA, 2008).
16
UNIDADE 1
....
População Fila Atendimento
Figura 6 - Estrutura de um modelo de filas / Fonte: adaptada de Andrade (2015).
Descrição da Imagem: na figura, aparecem alguns triângulos empilhados do lado esquerdo, representando a
“População”. Há uma seta saindo deste conjunto de triângulos e chegando a um grupo de triângulos enfileirados,
e, abaixo destes triângulos, lê-se “Fila”. Saindo deste conjunto de triângulos enfileirados, há uma seta que se divide
em duas setas, cada uma chega até um retângulo que tem apenas um triângulo em seu interior, e abaixo destes
retângulos está escrito “Atendimento”.
Os sistemas de filas podem ser subdivididos em quatro categorias, podemos ter fila
única e um servidor, quando há apenas uma fila e um posto de atendimento. O siste-
ma de fila única e múltiplos servidores em paralelo ocorre quando há apenas uma
fila, mas dois ou mais postos de atendimento. Outro sistema é o de múltiplas filas e
múltiplos servidores em paralelo, quando há mais de uma fila e mais de um posto de
atendimento. E, por último, o sistema de fila única e múltiplos servidores em série,
quando há, apenas, uma fila e mais de um servidor, mas em sequência, e não em paralelo.
As Figuras 7 a 10 apresentam estes tipos de sistemas de filas.
....
Figura 7 - Sistema de filas com uma fila e um servidor / Fonte: adaptada de Andrade (2015).
“População”; há uma seta saindo deste conjunto de triângulos e chegando a um grupo de triângulos enfileirados, e,
abaixo destes triângulos, lê-se “Fila”. Saindo deste conjunto de triângulos enfileirados, há uma seta que chega até
um retângulo que tem apenas um triângulo em seu interior, e, abaixo deste retângulo, está escrito “Atendimento”.
17
UNICESUMAR
....
Figura 8 - Sistema de filas com uma fila e múltiplos servidores em paralelo / Fonte: adaptada de Andrade (2015).
“População”, há uma seta saindo deste conjunto de triângulos e chegando a um grupo de triângulos enfileirados,
e, abaixo destes triângulos, lê-se “Fila”. Saindo deste conjunto de triângulos enfileirados, há uma seta que se divide
em duas setas, cada uma chega até um retângulo que tem apenas um triângulo em seu interior, e, abaixo destes
retângulos, está escrito “Atendimento”.
....
....
População Filas Atendimento
Figura 9 - Sistema de filas com múltiplas filas e múltiplos servidores em paralelo

Fonte: adaptada de Andrade (2015).
Descrição da Imagem: na figura aparecem alguns triângulos empilhados do lado esquerdo, representando a “Popu-
lação”; há duas setas saindo deste conjunto de triângulos e chegando cada uma a um grupo de triângulos enfileirados,
e, abaixo destes triângulos, lê-se “Filas”. Saindo de cada conjunto de triângulos enfileirados há uma seta que chega até
um retângulo que tem apenas um triângulo em seu interior, e, abaixo destes retângulos, está escrito “Atendimento”.
.... ....
População Fila 1 Atendimento 1 Fila 2 Atendimento 2
Figura 10 - Sistema de filas com fila única e múltiplos servidores em série / Fonte: adaptada de Andrade (2015).
“População”; há uma seta saindo deste conjunto de triângulos e chegando a um grupo de triângulos enfileirados, e,
abaixo destes triângulos, lê-se “Fila 1”. Saindo de cada conjunto de triângulos enfileirados há uma seta que chega
até um retângulo que tem apenas um triângulo em seu interior, e, abaixo deste retângulo, está escrito “Atendimento
1”. Saindo deste retângulo do “Atendimento 1”, uma seta se conecta a outro conjunto de triângulos enfileirados que
representam a “Fila 2”, e, conectada a esta fila, há uma seta que chega até um retângulo com um triângulo dentro,
que representa o “Atendimento 2”.
Cada uma das representações que foram feitas nas Figuras 7 a 10 são possibilidades de
montagens de sistemas de filas. Quando fizermos o equacionamento destes sistemas, você
poderá verificar que algumas informações são semelhantes, bem como alguns parâme-
tros utilizados na construção do modelo, mas cada tipo de fila terá sua particularidade
quanto à representação matemática. Esta flexibilidade do sistema de filas é importante,
pois permite avaliar diferentes configurações do sistema e calcular qual o comporta-
mento do sistema em cada caso, bem como identificar aquele que é mais vantajoso para
a empresa sem lesar o cliente.
18
UNIDADE 1
Você deve ter observado que alguns termos se tornaram recorrentes nas páginas
iniciais do nosso livro. Clientes, população, fila e posto de atendimento, estes são alguns
dos elementos que compõem o sistema de filas. Acrescento para você, agora, mais alguns
termos que são fundamentais para a análise de um sistema de filas, que são: processo de
chegada, processo de atendimento, disciplina de atendimento e capacidade do sistema.
Caracterizaremos, agora, cada componente do sistema de filas.
• Cliente: o cliente é proveniente de uma população que representa a fonte geradora
dos clientes cuja característica relevante é seu tamanho, que tem como significado
o número total de clientes que pode precisar de atendimento em determinado
intervalo de tempo (HILLIER; LIEBERMAN, 2013). Se esta população for muito
grande (infinita), a chegada de um cliente na fila não afeta a taxa de chegada dos
demais clientes, portanto, são independentes (este é o conceito que adotaremos
quando considerarmos população infinita, ∞, para resolver os problemas de filas
de nossa disciplina). Se a população for pequena, a quantidade de clientes na fila
interfere na taxa de chegada, pois, se todos estiverem na fila, não há mais nenhum
para chegar (PRADO, 2014).
É comum adotar como hipótese inicial que a população seja infinita, mesmo
para casos em que a população é, realmente, finita. Se ela for, suficientemente,
grande, a adoção de população infinita não afetará os resultados, no entanto, se a
população for finita, e sua quantidade afetar, significativamente, os resultados do
problema de filas, então, esta deve ser considerada finita, e os cálculos devem ser
ajustados para esta condição.
• Processo de chegada: o comportamento de chegada dos clientes é que define
o processo de chegada. Se esse processo é regular, com intervalos de tempo bem
definidos e, igualmente, espaçados, temos um processo determinístico, em que se
conhece exatamente o tempo de chegada de cada cliente, o que acontece apenas em
processos automatizados com eficiência. Quando não há um intervalo de tempo
igualmente espaçado, temos um processo estocástico, ou seja, probabilístico, onde
valem as distribuições de probabilidade como mencionado no início da unidade.
Se você tiver, por exemplo, a chegada de 10 automóveis por minuto, ou 1 automó-
vel a cada 6 segundos em uma praça de pedágio, você tem um valor médio, pois não
quer dizer que, necessariamente, chegará 1 automóvel a cada 6 segundos. O número
10 representa a taxa média de chegada de veículos por minuto, e o número 6 repre-
senta o intervalo médio entre as chegadas (PRADO, 2014; FOGLIATTI; MATTOS,
2007). Normalmente, representamos a taxa média de chegada pela letra λ, e o
intervalo médio de chegada pelas iniciais IC. Para este exemplo, então, teríamos:
λ = 10 veículos por minuto

IC = 6 segundos
19
UNICESUMAR
Neste momento, cabe-nos um bom entendimento de que podemos ter diferentes conjun-
tos de valores com a mesma média. Por exemplo, se você tem dois valores, 0 e 10, a média
entre eles é 5. Se, por outro lado, você tiver outros dois valores, 2 e 8, a média, também,
será 5, o mesmo acontece com a média entre 4 e 6. Por este motivo, não basta conhecer
o tempo médio em que as coisas acontecem, mas entender como os dados que geraram
a média se comportam ao redor dela. Segundo Hillier e Lieberman (2013), o padrão
estatístico dos dados de geração de clientes ao longo do tempo deve ser especificado e se
parte da hipótese mais comum de que esta geração ocorra de acordo com um processo
de Poisson, ou seja, o número de clientes é gerado de acordo com uma distribuição de
Poisson cuja equação é apresentada a seguir:
e l l k
P( X k )
k!
Sendo que P(X=k) é a probabilidade de ocorrência de k eventos, e λ indica a taxa de
ocorrência por unidade medida. No exemplo apresentado da praça de pedágio, a taxa
média de ocorrência de chegada de veículos, por unidade de tempo, no caso, por minuto,
é 10. Esta função é aplicada quando as chegadas ao sistema de filas ocorrem de maneira
aleatória, mas com uma taxa média fixa, que independe da quantidade de clientes que
já chegou ao sistema (hipótese de população infinita).
Cabe destacar, aqui, que, a princípio, nas primeiras unidades do livro, não calcularemos
a distribuição de probabilidade que representa os dados, adotaremos a função de Poisson
como referência e apenas nos debruçaremos na aplicação e no uso das taxas médias de
ocorrência dos fenômenos. Posteriormente, nas unidades mais avançadas do livro, par-
tiremos de um conjunto de dados e, então, faremos o levantamento da distribuição de
probabilidade mais adequada para representar o fenômeno do comportamento dos dados.
Outra hipótese que tem similaridade com a distribuição de Poisson é adotar a dis-
tribuição de probabilidade Exponencial para representar o tempo entre as chegadas
consecutivas de clientes ao sistema de filas. De fato, a distribuição de Poisson se torna
uma particularização da distribuição Exponencial, quando se tem a avaliação da proba-
bilidade de vezes que um evento se repete.
A equação da distribuição probabilidade Exponencial é apresentada a seguir:
l e lt , se t 0
f (t )
0 , se t 0
A função f(t) representa a função distribuição de probabilidade para a variável t, e λ é o

parâmetro da taxa de distribuição que, em nossos problemas, também, representará a
taxa de ocorrência por unidade medida. Todo o processo de chegada é analisado em um
intervalo de tempo de 0 a t, ou seja, considera-se que o primeiro dado obtido ou gerado
é o ponto de partida da análise toda, e podemos escolher até que tempo esta análise
ocorrerá (quantos segundos, minutos, horas ou dias).
20
UNIDADE 1
Para ambas as distribuições de probabilidade apresentadas, o que se observa é que elas servem de
modelo matemático para representar o comportamento dos dados e, neste quesito, o modelo deve
ser o mais simples possível de tal modo que permita representar o sistema real com fidelidade e seja,
matematicamente, tratável com certa facilidade. A despeito dos avanços computacionais e dos méto-
dos de solução de problemas complexos, a prevalência de modelos mais simples ainda continua até
os dias de hoje.
• Fila: por definição, a fila é o local onde os clientes aguardam antes que ocorra o processo de
atendimento e se caracteriza pelo número máximo de clientes que ela pode ter. Assim, como a
fonte geradora de clientes, a fila pode ser caracterizada como finita ou infinita e se adota como
padrão a hipótese de fila infinita, ou seja, com capacidade ilimitada. Em casos excepcionais,
quando a capacidade da fila for, realmente, pequena, deve-se considerar o número de elementos
finito para a fila, e esta observação deve fazer parte do modelo matemático que a represente
(HILLIER; LIEBERMAN, 2013).
Com relação ao tamanho máximo da fila, sabemos que, no dia a dia, algumas situações
podem até ser consideradas como ilimitadas. Imagine um porto onde os navios que aguardam
descarregamento têm toda a extensão marítima para aguardar e, até mesmo, um banco que,
apesar de ter um espaço finito dentro da agência, em casos extremos pode-se considerar que
a fila de clientes se alongue pela calçada. Em outros casos, como em ligações telefônicas, há a
possibilidade de haver fila infinita, quando você liga para uma empresa, ela informa quantas
pessoas estão na sua frente aguardando atendimento e solicita que você aguarde na linha, ou fila
finita, quando a linha desejada está ocupada, e a ligação é interrompida, havendo necessidade
de que uma nova ligação seja realizada em período posterior.
Um fator que também caracteriza uma fila é seu tamanho médio, em nosso cotidiano quan-
do você entra em um local e se depara com três filas que tem o mesmo objetivo, a tendência
é escolher aquela que tem a menor quantidade de pessoas, pois se acredita que será a fila que
andará mais rápido. Logo, a noção de quantidade de elementos na fila nos leva a avaliar o tempo
consumido na fila e a optar por aquele que tenderá a nos atender em menor tempo. É certo que,
nem sempre, isso ocorre, pois, muitas vezes, o tipo de serviço que está sendo realizado pode
demorar mais em uma fila do que em outra, e vemos, muitas vezes, uma fila maior caminhar
mais rápido do que uma fila menor.
• Disciplina da fila ou do atendimento: a disciplina da fila é entendida como a ordem que
os integrantes da fila serão atendidos, ou, também, a maneira de selecionar, entre aqueles que
estão na fila, o que será atendido assim que houver disponibilidade. Fogliatti e Mattos (2007)
apresentam alguns critérios que a gerência pode adotar quanto ao atendimento aos clientes,
definindo qual será a ordem de atendimento assim que um servidor estiver desocupado. As
quatro disciplinas mais utilizadas são as descritas no Quadro 1 a seguir:
21
UNICESUMAR
Ou seja, o primeiro que entra é o primeiro que sai. Nesta disciplina, o

atendimento aos usuários é feito por ordem de chegada, quem chegou
FIFO primeiro é atendido primeiro. É a disciplina mais utilizada na teoria das
(first in – first out) filas seja na prestação de serviços seja em processos produtivos. Nesta
dinâmica, a ordem de chegada é respeitada, sendo que cada cliente novo
no sistema se posicionará atrás do último existente na fila.
O último que chega é o primeiro que sai. Esta disciplina é o contrário da

anterior, neste caso, quem chega por último é atendido primeiro. Este tipo
de regra de atendimento é comum para estoques verticais ou horizontais,
pois, muitas vezes, o último elemento a chegar é o que está disponível
LIFO para ser retirado do estoque. Você também pode imaginar um navio
(last in – first out) que está sendo carregado de contêineres, como todos são empilhados,
os primeiros contêineres carregados estarão no fundo da pilha, quando
chegar o momento de descarregar, os primeiros a serem removidos do
navio são os que estão na parte de cima da pilha de contêineres, logo,
são os últimos que foram colocados no navio.
O atendimento por prioridade segue as regras estabelecidas pela gerên-

cia ou pelo controlador local, ou seja, são criadas regras específicas para
classificar os clientes que chegam ao sistema, e tais regras devem prever
em quais situações o atendimento deve ser iniciado o mais breve possível.
Em um hospital, por exemplo, os pacientes em estado mais grave têm
PRI prioridade de atendimento, independentemente da ordem que ocupem
(priority service) em uma fila. Se você chegar em um pronto atendimento, provavelmente,
será classificado pelo nível de gravidade de seus sintomas, se você for
considerado de grau leve, deverá aguardar o atendimento. Por outro
lado, se você estiver por lá e aparecer alguém acidentado, ou que esteja
sofrendo um infarto, este será, rapidamente, atendido e, dependendo
do caso, será encaminhado para internação hospitalar.
É o tipo de disciplina que faz o atendimento de forma randômica (alea-

tória) independentemente da ordem de chegada, sem estabelecer uma
SIRO prioridade. É o caso de consórcios, em que o atendimento, geralmente,
(service in random order) é feito por sorteio. Neste tipo de atendimento, as regras apenas esta-
belecem que todos têm igual sorte para serem atendidos, não havendo
prioridades estabelecidas nem uma ordem especificada.
Quadro 1- Disciplinas da Fila / Fonte: o autor.
• Canais ou postos de atendimento (servidores): os locais físicos onde ocorrem os atendimen-

tos aos clientes são chamados de postos de atendimento. A quantidade de postos de atendimento
pode variar de acordo com a demanda de atendimento. Se aumentar a quantidade de clientes no
sistema de filas, e o tempo médio de espera na fila aumentar muito, pode-se acrescentar novos
postos de atendimento para manter o sistema, operando com qualidade, mas, lembre-se de que
isso não deve gerar um custo muito elevado para a gerência. No dia a dia, podemos enxergar os
canais de atendimento como caixas de bancos ou de supermercados, na área industrial, pode
representar uma máquina de um processo produtivo, por exemplo.
• Os postos de atendimento podem ser únicos no sistema de filas, ou aparecerem em maior
quantidade. Há casos em que os postos de atendimento são paralelos, executando as mesmas
22
UNIDADE 1
atividades e recebendo os clientes de uma única fila. Em outras situações, os postos de aten-
dimento estão organizados de maneira sequencial, sendo que a fila formada ocorre entre os
postos de atendimento. Desta maneira, cada posto executa uma atividade, e o cliente deixará
todo o sistema após passar por todos os postos de atendimento dispostos, sequencialmente. O
equacionamento do modelo de filas deve englobar estas informações, sendo deduzido de acordo
com o tipo de atendimento que se tem e com a maneira como os postos se relacionam, sejam
independentes entre si sejam interdependentes.
• Processo de atendimento: o processo de atendimento é caracterizado de maneira semelhante
ao processo de chegada. Nesta parte do sistema, considera-se o comportamento do fluxo de
usuários que são atendidos (PRADO, 2014; FOGLIATTI; MATTOS, 2007). Considerando que,
no pedágio, cada cabine pode atender cinco veículos por minuto, ou que gaste doze segundos
para atender um veículo, dizemos que cinco é a taxa média de atendimento, e 12 o tempo
médio de atendimento. A letra grega µ é utilizada para representar a taxa média de atendi-
mento, e as iniciais TA para representar o tempo médio de atendimento. Portanto, para este
exemplo teríamos.
µ = 5 veículos por minuto
TA = 12 segundos
Assim como foi apresentado no processo de chegada, os dados coletados de tempos de atendi-
mento e execução da atividade do atendimento são avaliados, estatisticamente, e um modelo de
probabilidade é utilizado para representá-los, admitindo-se as mesmas considerações feitas para
o processo de chegada. Um valor médio pode ser encontrado e utilizado para a taxa média de
atendimento, mas tendo consciência de que este valor é originado de uma análise estatística, e
que uma função de probabilidade representa o comportamento de atendimento como um todo.
Para este processo, também, é comum utilizar uma distribuição de probabilidade Expo-
nencial, como apresentamos no processo de chegada, mas, em outras situações, outras distri-
buições, também, podem ser aceitas, como a distribuição de Erlang (gama) apresentada na
equação seguinte:
f (t )
k k t k 1e k t
k 1!
Para esta distribuição de probabilidade μ e k são parâmetros positivos, e a média e o desvio
padrão desta distribuição são apresentados a seguir:
1
Média

1 1
Desvio Padrão
k
Reforço, aqui, que, para o atendimento a taxa média é designada pela letra grega μ, diferentemente
da dinâmica de chegada que tem sua taxa média representada pela letra grega λ. No entanto,
23
UNICESUMAR
em termos práticos, ambas têm significado estatístico semelhante, representando, basicamente,

o valor médio do tempo de ocorrência seja da chegada seja do atendimento.
• Capacidade do sistema: a capacidade do sistema é definida pelo número máximo de usuários
que o sistema comporta, incluindo a quantidade de usuários que pode permanecer na fila e no
próprio sistema de atendimento. É importante observar, neste momento, que o sistema é defi-
nido como o conjunto fila mais atendimento, logo, tudo o que está associado ao sistema inteiro
representa o total de tempo ou disponibilidade presente no sistema de filas como um todo. Se
a capacidade for ilimitada, nenhum usuário é rejeitado (mandado embora), no entanto, se o
espaço físico de atendimento for limitado e estiver completamente lotado, novos usuários são
rejeitados e não conseguem entrar no sistema de atendimento até que algum saia.
Dois exemplos que já foram citados e que representam esta capacidade são, o caso dos navios
que precisam descarregar em um porto e que podem aguardar no mar, logo, tem uma capaci-
dade infinita, e o caso das ligações telefônicas a uma central de telefonia que solicita ao usuário
que faça uma nova ligação se todas as linhas estiverem ocupadas, ou seja, o cliente é rejeitado.
Depois de entender os principais componentes de um sistema de filas, podemos falar um
pouco sobre os parâmetros de desempenho do sistema de filas. Os principais parâmetros ava-
liados em um sistema de filas são: o tempo médio de espera na fila, o tempo médio de espera
no sistema, a quantidade de elementos na fila e a quantidade de elementos no sistema, além da
taxa de ocupação do sistema ou de cada posto de atendimento.
O tempo médio de espera na fila tem um nome intuitivo e nos faz entender que este
parâmetro nada mais é do que, de fato, o tempo que cada cliente novo precisa aguardar na fila
até que consiga se deslocar para o posto de atendimento e receber o atendimento. Já o tempo
médio no sistema representa o tempo médio total do cliente, desde sua chegada ao sistema,
ou seja, o tempo de permanência na fila mais o tempo que demora para ser atendido. Este
parâmetro representa a soma do tempo médio na fila com o tempo médio de atendimento do
posto de atendimento.
O número médio de elementos na fila leva-nos a entender que é um parâmetro que
representa a quantidade esperada de clientes na fila do sistema. Já o número médio de clien-
tes no sistema representa o total de clientes que se espera ter no sistema, ou seja, aqueles que
estarão na fila somado ao que está localizado no posto de atendimento. A taxa de ocupação
do sistema ou do posto de atendimento é um valor percentual que representa a quantidade
do tempo disponível para o posto de atendimento em relação ao que é, efetivamente, utilizado.
Por exemplo, se a taxa de ocupação estiver em 90%, significa que, em 90% do tempo o posto de
atendimento está ocupado executando a ação de atender ao cliente, nos 10% restantes do tempo,
o posto de atendimento está ocioso.
Tais parâmetros são de grande utilidade para fazer análises do sistema utilizando a Teoria
das Filas e se tornam, muitas vezes, dados de entrada para modelos de simulação de processos.
Para ilustrar um pouco o que estamos conversando desde o início da unidade, veja o Exemplo 1.
24
UNIDADE 1
01. EXEMPLO Considere um sistema de filas formado por uma agência bancária na qual um guichê
foi selecionado como posto de atendimento para a operação de atender ao saque de
aposentadoria para idosos. Você foi escolhido para observar o sistema e anotar alguns
valores, como tempo médio de chegada de clientes na fila e a duração do atendimento.
Durante meia hora, você anotou os valores apresentados na Tabela 1.
Cliente 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de
3 2 1 2 6 1 3 0 2 2 2 5
chegada
Duração do
1 1 2 2 3 1 1 2 4 3 3 1
atendimento
Tabela 1 - Dados medidos para atendimento em um caixa de banco. Tempo dado em minutos
Fonte: adaptada de Prado (2014).
Em posse destes dados, avalie o problema apresentando a taxa média de chegada

(λ), o índice de chegada (IC), a taxa média de atendimento (μ) e o tempo médio de
atendimento (TA).
Solução: Como temos em mãos os tempos medidos tanto para o processo de
chegada quanto para o processo de atendimento, basta executarmos os cálculos.
Desconsiderando, a princípio, as distribuições de probabilidade que poderiam mo-
delar a chegada e o atendimento, calculemos os tempos médios de chegada e de
atendimento. Lembrando que o tempo médio de chegada é dado por IC, e o tempo
médio de atendimento por TA. Realizando os cálculos, teremos:
3 2 1 2 6 1 3 0 2 2 2 5 29
IC 2, 42 min por cliente
12 12
1 1 2 2 3 1 1 2 4 3 3 1 24
TA 2min por cliente
12 12
Desta forma, identificamos que o índice de chegada, ou seja, o tempo médio de

chegada está em 2,42 minutos por cliente, e o tempo médio de atendimento está em
dois minutos por cliente. Só com estes dados você pode observar, intuitivamente, que,
se o posto de atendimento é mais rápido do que o tempo de chegada de clientes, o
sistema é factível, ou seja, pode ser conduzido sem maiores problemas. Para calcular
a taxa média de chegada (λ) e a taxa média de atendimento (μ), basta calcularmos o
inverso de IC e o inverso de TA.
1 1
l 0, 4132 clientes por minuto
IC 2, 42
1 1
0, 5 clientes por minuto
TA 2
25
UNICESUMAR
Para melhor visualização da quantidade de clientes que chegam e que podem ser
atendidos pelo sistema, podemos transformar as unidades das taxas médias em
clientes por hora.
1 clientes 60 minutos
l 24, 8 clientes por hora
2, 42 minuto 1h
30 clientes por hora
2 minuto 1h
Assim, é mais fácil observar que chegam, em média, 24,8 clientes por hora, e o caixa
do banco tem capacidade para atender 30 clientes por hora, logo, confirmamos que,
de fato, o sistema é capaz de executar a ação de atendimento uma vez que tem maior
capacidade do que a demanda existente.
Imagine que você está analisando um sistema de fila em que, no intervalo de 1h, haja o atendi-
mento de 30 clientes, e que o tempo total gasto no atendimento dos 30 clientes seja de 45min.
À primeira vista, o sistema não formaria fila, mas a presença da aleatoriedade na chegada pode
fazer com que os 30 clientes cheguem num intervalo de tempo tão próximo que forme fila e
gere ociosidade em outros momentos.
Antes de seguirmos, convido você, caro(a) aluno(a), para ouvir nosso

primeiro Podcast da disciplina. Nele, você verá como a formação de
filas pode impactar, economicamente, o mundo, e não é exagero. Fa-
laremos sobre o incidente no canal de Suez, com o navio Ever Given,
em março de 2021. Vamos lá!
Considere que você, além de anotar o intervalo de tempo para chegada de clientes e para execução da
atividade, anotou o momento em que os clientes chegaram, considerando que zero é o tempo inicial,
quando você começou a fazer as anotações. Veja no exemplo 2.
02. EXEMPLO Ao anotar os intervalos de tempo de chegada dos clientes no banco para acessar
o caixa selecionado, o momento em que isso ocorreu, também, foi anotado, como
apresentado na Tabela 2.
26
UNIDADE 1
Cliente 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de
3 2 1 2 6 1 3 0 2 2 2 5
chegada
Momento 4 6 7 9 15 16 19 19 21 23 25 30
Tabela 2 - Dados medidos para atendimento em um caixa de banco. Tempo dado em minutos
Fonte: adaptada de Prado (2014).
Os valores da linha do momento indicam que o cliente 1 chegou no minuto 4, o cliente

2 chegou no minuto 6, o cliente 3 chegou no minuto 7 e, assim, sucessivamente. A
duração do atendimento é a mesma apresentada no Exemplo 1. Com estes dados
em mãos, avalie, agora, além das taxas médias de chegada e de atendimento, o tempo
médio dos clientes na fila (TMF), o número médio dos clientes na fila (NMF) e a
taxa de ocupação do caixa (ρ).
Solução: Para avaliar o tempo médio de clientes na fila (TMF), precisamos veri-
ficar quantos clientes precisaram, realmente, enfrentar fila e quanto tempo cada um
demorou nela. Para isso, construiremos um diagrama onde aparecem os tempos dos
clientes no atendimento e na fila. Observe que o cliente 1 chega no minuto 4, é aten-
dido em 1min (veja os dados apresentados na Tabela 1, do Exemplo 1), deixando o
caixa livre no minuto 5. Como o cliente 2 chega apenas no minuto 6, ele encontra o
caixa livre e é, prontamente, atendido, não enfrentando fila. Como seu atendimento
demora 1 min, ele deixa o caixa no minuto 7, exatamente quando chega o cliente 3,
que encontra, também, o caixa livre. Esta análise será feita para cada cliente a fim de
construir o diagrama apresentado na Figura 11.
ATENDIMENTO
1 2 4 5 7 9 11
3 6 8 10 12
FILA
11
6 8 9 10 12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
Figura 11- Diagrama de tempos para fila e atendimento segundo os dados do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: a figura é dividida em duas regiões. Há uma linha central que divide a região acima para
o Atendimento e a região abaixo para a Fila. Há uma linha, na parte inferior da figura, que possui números de
1 a 35, representando uma série temporal em minutos. Na parte de cima e na parte de baixo, estão presentes
retângulos indicando cada cliente do banco, sendo a largura do retângulo referente à quantidade de minutos
que demora para cada cliente ser atendido, ou a quantidade de tempo que o cliente aguarda na fila. Os retân-
gulos começam no momento referente ao tempo de chegada do cliente e ao tempo que se inicia o atendimento.
Observando a Figura 11, é possível verificar que alguns clientes não enfrentam fila
enquanto outros precisam aguardar para serem atendidos. Observe que o cliente
1 chega no minuto 4, é atendido, diretamente, no caixa, sem fila, e, no minuto 5 (1
27
UNICESUMAR
minuto de atendimento), ele deixa o caixa livre. O cliente 2 chega no minuto 6, é

atendido, diretamente, no caixa, sem fila, e deixa o caixa no minuto 7 (1 minuto de
atendimento). O cliente 3 chega no minuto 7, momento em que o caixa acabou de
ficar livre, logo, ele segue para atendimento sem fila, liberando o caixa no minuto 9
(2 minutos de atendimento). Como o cliente 4 chega no minuto 9, ele, também, não
enfrenta fila, seguindo, diretamente, para o caixa e deixando o caixa no minuto 11. Do
minuto 11 até o minuto 15, o caixa fica ocioso, sem atividade, não entra ninguém para
ser atendido. No minuto 15, chega o cliente 5, que deixará o caixa apenas no minuto
18 (3 minutos de atendimento), no entanto, como o cliente 6 chega no minuto 16,
terá que aguardar na fila até o minuto 18 para ir ao caixa, logo, pega 2 minutos de fila.
Do minuto 18 ao 19, o cliente 6 é atendido. No minuto 19, chegam 2 clientes, o 7 e
o 8. O cliente 7 segue para o caixa que está livre, o 8 terá que ficar na fila aguardando
sua vez. O cliente 7 será atendido do minuto 19 ao 20 (1 minuto de atendimento), e
o cliente 8 irá ao caixa no minuto 20, logo, aguardará 1 minuto na fila. Como o tem-
po de atendimento do cliente 8 é de 2 minutos, ele só deixará o caixa no minuto 22.
Mas o cliente 9 chega no minuto 21 e precisará aguardar 1 minuto na fila até que, no
minuto 22, o cliente 8 deixe o caixa, e ele possa utilizá-lo. Como o cliente 9 demora 4
minutos em atendimento, ele só deixará o caixa no minuto 26. O cliente 10 chega no
minuto 23 e aguardará 3 minutos na fila até poder ir ao caixa, no minuto 26. Nesse
meio tempo, o cliente 11 chega no minuto 25 e poderá ser atendido apenas depois
que o cliente 10 deixar o caixa. Como o cliente 10 irá ao caixa apenas no minuto 26
e demorará 3 minutos para ser atendido, só poderá deixar o caixa no minuto 29,
quando, então, o cliente 11 será atendido. Logo, o tempo total na fila do cliente 11 será
de 4 minutos. O cliente 11 demorará 3 minutos no atendimento, deixando o caixa
no minuto 32. E, por fim, o cliente 12 chega no minuto 30, aguardará 2 minutos na
fila até ser atendido, no minuto 32, permanecendo no caixa em atendimento até o
minuto 33, findando, assim, o tempo de análise da fila.
Esta descrição mais detalhada da Figura 11 servirá para você se basear na análise
dos demais exercícios que virão. Façamos, agora, uma tabela com o tempo que cada
cliente teve que aguardar na fila. Veja os dados na Tabela 3.
Cliente 1 2 3 4 5 6 7 8 9 10 11 12
Tempo na fila 0 0 0 0 0 2 0 1 1 3 4 2
Tabela 3 - Tempo gasto na fila para cada cliente em minutos / Fonte: o autor.
Para calcular o tempo médio na fila, podemos somar os tempos na fila e dividir pela
quantidade de clientes; para calcular o número médio de clientes na fila, somaremos
o tempo de cada cliente na fila e dividiremos pelo tempo total analisado, que, neste
caso, é de 33 minutos.
28
UNIDADE 1
TMF (2 1 1 3 4 2) / 12 13 / 12 1, 08 min
NMF (2 1 1 3 4 2) / 33 13 / 33 0, 39 clientes
Observe, então, que o tempo médio que os clientes aguardam na fila é de 1,08 mi-
nutos, e o número médio de clientes na fila é de 0,39 clientes. Note que são valores
médios, aproximados, que servem como parâmetro de análise da fila. Os dados
reais nos fazem ver que é possível ter variações para mais e para menos dos valores
apresentados. A taxa de ocupação do sistema (ρ) pode ser calculado de maneira bem
simples a princípio. Vamos somar o tempo total de atendimento dos clientes e dividir
pelo tempo total da análise.
r (1 1 2 2 3 1 1 2 4 3 3 1) / 33 24 / 33 0, 7273
Nesta análise, subtende-se que, em um intervalo de tempo de 33 minutos, o caixa

atendeu alguém em 24 minutos, ou seja, 72,73% do tempo total analisado. Nos 9
minutos restantes, ele ficou ocioso na atividade de atendimento, o que representa
27,27% de ociosidade.
Vale ressaltar, aqui, que estas análises que fizemos nos Exemplos 1 e 2 basearam-se na média tradicional,
não considerando nenhuma variação estatística. Você verá, nas próximas unidades, que, dependendo
do tipo de sistema de fila formado, haverá equações específicas para estimativas dos tempos médios
de chegada, tempos médios no sistema, números médios de clientes tanto na fila quanto no sistema e
na taxa de ocupação. Os próprios valores das taxas médias de chegada (λ) e de atendimento (μ) serão
obtidas por meio de análises estatísticas.
Você deve ter percebido que analisar um sistema depende da coleta de dados e de sua análise.
Os dados coletados para o sistema de filas, geralmente, são divididos em duas categorias, uma
que representa o conjunto de dados de chegada, e outra que representa o conjunto de dados
do processo de atendimento. Para os processos de fila utilizados em simulação, haverá um
tratamento estatístico para que o modelo que os representa seja uma distribuição de probabi-
lidade com os parâmetros médios representando as taxas médias de chegada e atendimento.
Em posse desses parâmetros, é possível avaliar o sistema de filas, adotando sempre uma regra
de atendimento ou de fila, que permite definir como os clientes serão chamados para atendi-
mento no posto de atendimento. Ao avaliar os tempos de permanência em fila e no sistema
bem como a quantidade de clientes na fila ou no sistema, pode-se entender como o sistema
se comporta na condição atual e, então, propor alguma melhoria.
29
UNICESUMAR
Retomando aquele problema dos caixas de supermercado apresentado no início da

unidade, você deve ter levantado alguns pontos relevantes para analisar este sistema.
Eu poderia sugerir a você alguns pontos, lembre-se de que você deve utilizar a visão
da gerência do supermercado, então, a questão salarial é um ponto importante, quan-
to mais funcionários estiverem trabalhando no mesmo horário, maior será o custo
para aquele horário, podendo, inclusive, levar à necessidade de contratação de mais
funcionários. Outro ponto importante a se analisar é verificar o tempo que os clientes
estão gastando na fila, de acordo com o horário de compras, pois estes dados podem
validar uma decisão de reduzir/aumentar a quantidade de funcionários nos caixas,
em determinado horário do dia, ou, até mesmo, em determinado dia da semana. O
tempo de execução da atividade do operador de caixa também é relevante, se ele for
bem treinado, consumirá pouco tempo por item para passar pelo caixa. Esse tempo
também reduz o tempo na fila dos clientes que estão aguardando a compra ser re-
gistrada. Algo mais difícil de mensurar, mas que poderia ser utilizado, por meio de
uma pesquisa com os clientes, é a determinação do tempo máximo na fila que ele
estaria disposto a enfrentar para que fique claro, também, o limite de tolerância do
cliente quanto ao tempo de espera para pagar as compras.
Esse foi um exemplo clássico de nosso dia a dia, agora, a mesma lógica pode ser
transportada para o meio industrial. Imagine que os clientes do supermercado sejam
trocados por funcionários que se dirijam a um almoxarifado central para pegar uma
ferramenta ou peça de reposição, no caso de manutenção. O almoxarifado torna-se o
posto de atendimento equivalente ao caixa do supermercado. O funcionário entra na
fila para retirar o que precisa no almoxarifado e aguarda enquanto outro funcionário
está fazendo a retirada. O tempo gasto por este funcionário aguardando para retirar o
material do almoxarifado é um tempo pago pela empresa, mas que ele não está produ-
zindo, logo, isso se torna um tempo perdido com um custo associado. Veja que esta pro-
blemática pode conduzir a uma análise que envolva avaliar a necessidade de contratar
mais almoxarifes, ou automatizar algum sistema e, até mesmo, realocar funcionários.
No final das contas, os dados analisados e o entendimento do sistema de filas
acabam culminando nas considerações sobre o sistema, que levam a uma otimização
do mesmo. Nas próximas unidades, veremos alguns modelos de filas e realizaremos
diversos cálculos sobre estes tipos de sistema.
30
Para ajudar voce a sintetizar os principais pontos desta unidade, preparei para você um esboço de
Mapa Mental, parcialmente preenchido, para que você o complete de acordo com as informações
disponibilizadas em nossa unidade. Observe a Figura 12 e complete os espaços não preenchidos.
2- Formação de fila antes

do posto de atendimento
1- Presença de clientes vindos

de uma fonte gerador
Elementos principais
4-Clientes atendidos deixando o
sistema

7-Capacidade do
1- Clientes
Sistema
Componentes do sistema
2- Processo de chegada
5- Postos de Atendimento
Descrição da Imagem: na figura, há um Mapa Mental formado por um retângulo, no centro, escrito “Teoria das Filas”. Deste
retângulo surge uma ramificação para cima, conectada a um retângulo onde se lê “elementos principais”. Do retângulo central,
também sai uma ramificação para baixo, conectada a outro retângulo onde se lê “componentes do sistema”. O aluno deve, então,
preencher as quatro ramificações do retângulo “elementos principais”, na parte de cima da imagem, com os elementos principais
da Teoria das Filas, apresentada na Unidade 1, e preencher as sete ramificações do retângulo “componentes do sistema”, situados
na parte de baixo da figura.
31
1. A Teoria das Filas pode ser utilizada para resolver diversos tipos de problemas que
envolvam o acúmulo de entidades dentro de um sistema, formando filas, mesmo que
apenas em determinados momentos, em um intervalo de tempo. Sendo assim, consi-
dere três situações: a primeira com caminhões carregando contêineres e chegando à
beira do navio para descarregamento com guindaste; a segunda com caminhões com
chapas de aço, chegando a uma mesa de corte para serem cortadas; e a terceira com
caminhões contendo contêineres que chegam em uma doca para serem carregados,
por empilhadeiras, com pallets de caixas. Dadas as três situações, identifique, em cada
uma delas, o cliente, o processo e o posto de atendimento.
2. O supervisor de uma fábrica está analisando o sistema de pintura eletrostática a pó,

realizada por um operador dentro de uma câmara de pintura. Como a fábrica funciona
em três turnos, três funcionários se revezam durante o dia no processo, e o supervi-
sor quer avaliar se há necessidade de trocar o turno dos funcionários, ou se haverá
necessidade de que seja feito um treinamento para melhorar o processo de pintura.
Para fazer esta análise, ele determinou o tempo médio em que chegam cada peça
para pintura em cada um dos turnos (IC) e o tempo médio de execução da pintura (TA)
para o operador de cada turno. Os valores encontrados são apresentados na Tabela 1.
IC (min/peça) TA (min/peça)
Operador do turno 1 3 2
Operador do turno 2 2,5 1,8
Operador do turno 3 4 2,5
Tabela 1 - Tempo médio de execução da pintura de cada operador, em cada turno / Fonte: o autor.
Analisando o problema, segundo a Teoria das Filas, leia as afirmações apresentadas:

I) A taxa média de chegada de peças para pintura, no turno 1, é de 20 peças por hora,
e a capacidade de pintura do operador é de 30 peças por hora.
II) No segundo turno, a taxa média de execução da pintura do operador é de, aproxi-
madamente, 33 peças por hora.
III) A diferença entre a capacidade da pintura do operador do turno 2 e do operador
do turno 3 é de, apenas, 5 peças por hora.
É correto o que se afirma em:

a) I e II, apenas.
b) I e III, apenas.
c) II e III, apenas.
d) I, II e III.
e) II, apenas.
32
3. Você foi chamado para avaliar o comportamento de chegada e atendimento do gui-
chê de uma lotérica e recebeu o intervalo de tempo entre a chegada de cada cliente,
a duração do atendimento ao cliente e o momento em que ocorreu cada evento de
chegada. Os dados estão apresentados na Tabela 2.
Cliente 1 2 3 4 5 6 7 8 9 10 11 12
Intervalo de
1 1 3 1 2 3 4 4 1 2 2 4
chegada
Duração do
3 1 2 3 1 2 2 1 2 2 1 3
atendimento
Momento 2 3 6 7 9 12 16 20 21 23 25 29
Tabela 2 - Dados de atendimento aos clientes de uma lotérica, valores em minutos / Fonte: o autor.
Utilizando os dados da Tabela 1, avalie o problema, apresentando a taxa média de chegada

(λ), o índice de chegada (IC), a taxa média de atendimento (μ) e o tempo médio de atendi-
mento (TA). Faça o esboço de um diagrama, nos moldes do apresentado na Figura 11 da
unidade, e calcule, também, o tempo médio na fila (TMF), o número médio na fila (NMF) e
a taxa de ocupação do sistema (ρ).
33
34
2
Modelos de
Filas Básicos
Olá, caro(a) estudante, nesta segunda unidade do livro Simulação de

Processos Produtivos, ampliaremos nosso conhecimento em Teoria
das Filas, estudando diferentes modelos de filas e suas equações.
Desta maneira, você poderá aplicar o conhecimento de Teoria das
Filas para modelar, estudar e otimizar sistemas com diferentes
configurações. Os termos e os conceitos estudados na primeira
unidade serão, aqui, utilizados, por este motivo, se ainda restam
dúvidas sobre a terminologia utilizada na representação de uma
fila, não deixe de retomar a unidade anterior para revê-la. Vamos lá!
UNICESUMAR
Já conversamos sobre a formação de filas, na

primeira unidade de nosso livro, e você deve ter
entendido que as filas se formam, independente-
mente da capacidade de atendimento e do ritmo
de chegada, se tais dados forem aleatórios, ou seja,
se não há uma chegada de clientes uniformemente
distribuída em tempo e, igualmente, espaçados.
É justamente este componente aleatório que faz
a Teoria das Filas recorrer à estatística para gerar
seus modelos. Agora, será que a fila formada em
um sistema que tem um posto de atendimento é
a mesma de um sistema que tenha uma fila e mais
de um posto de atendimento? Ou, até mesmo,
um sistema que tenha mais de uma fila e convirja
para apenas um posto de atendimento? É isso que
estudaremos nesta unidade.
Quando nos deparamos com um sistema em
que clientes chegam até um posto de atendimen-
to e há formação de fila, precisamos identificar
como o sistema está configurado. De maneira
superficial, se pensarmos em duas situações
para o mesmo problema, como em uma fila de
banco que está exclusiva para um atendente de
caixa ou a mesma fila que pode ser atendida por
dois atendentes de caixa no banco, é intuitivo
entender que a segunda situação deve levar a
um tempo na fila menor uma vez que há mais
postos de atendimento disponíveis para aquela
fila. Por outro lado, se você tiver duas filas que
convergem para o mesmo posto de atendimento,
deve-se esperar gastar um tempo maior nesta
fila, pois haverá clientes das duas filas sendo
atendidos de maneira sequencial. No entanto
qualquer um dos casos pode ser avaliado pela
Teoria das Filas, e as melhores condições de ope-
ração podem ser encontradas.
36
UNIDADE 2
Considere, agora, que você participou de uma conferência em um edifício comercial de 10 anda-
res, e o anfiteatro localiza-se no último andar. Ao final da conferência, todos os 200 participantes se
organizam em frente a dois elevadores que podem subir e descer os andares livremente. Considere
que esta conferência durou o dia inteiro, e que foi disponibilizado refeição para todos no local, não
havendo necessidade de ninguém se retirar do edifício durante o dia. Há idosos e gestantes entre os
participantes, e cabem apenas seis pessoas em cada elevador. O tempo médio estimado de descida de
cada elevador até o andar térreo, se ele não fizer paradas intermediárias, é de 30s, o mesmo tempo
que leva para subir novamente. O horário é 18h, fim de expediente de todos os comércios do edifício.
Analise esta situação e anote, em seu Diário de Bordo, o tempo que demoraria para todos descerem
até o térreo, nas seguintes situações:
I. Apenas um elevador funcionando, sem paradas intermediárias;
II. Os dois elevadores funcionando, sem paradas intermediárias;
III. Os dois elevadores funcionado com paradas intermediárias.
Depois de avaliar o problema de descida do edifício comercial utilizando os elevadores, faça uma análise
das respostas que você encontrou e escreva, em seu Diário de Bordo, como o processo de descida poderia
ser organizado entre os 200 participantes do evento. Anote, também, se é possível ter uma ideia do tempo
necessário para descer o edifício, considerando que as pessoas que trabalham nos andares inferiores
também precisam descer. Quais dados você entende serem necessários para calcular o tempo médio
de descida do décimo andar em horário de pico de uso dos elevadores? Anote em seu Diário de Bordo.
DIÁRIO DE BORDO
37
UNICESUMAR
Depois de entendermos a importância da aplicação da Teoria das Filas e analisarmos algumas situa-
ções-problema que apresentam formação de fila, chegou a hora de estudarmos, com mais profundidade,
esta teoria, avaliando os modelos matemáticos disponíveis para algumas situações e os aplicando para
encontrar os parâmetros do sistema de filas que poderão ser utilizados para avaliar, não só seu desem-
penho, mas também otimizar a organização do sistema, elevando sua qualidade e reduzindo custos.
Dentre os parâmetros utilizados para analisar o sistema de filas, temos alguns que são importantes
destacar, sendo que alguns deles já foram apresentados na Unidade 1 do livro, mas vale a pena relem-
brar (HILLIER; LIEBERMAN, 2013). São eles:
Pn (t ) = Probabilidade de n clientes estarem no sistema de fillas no instante t;

s = Número de atendentes ou canais de atendimento paralelos no sistema de filas;
λn = Taxa média de chegada de novos clientes quando n clientes se encontram no sistema
(cliente/tempo);
µn = Taxa média de atendimento para o sistema global, considerando todos os atendentes ocu
upados,
(cliente/tempo);
Algumas considerações são feitas sobre os parâmetros que representam as taxas médias de chegada e
de atendimento dos clientes. Quando se considera que estas taxas são constantes ao longo do tempo
para todo n, ou seja, para toda a quantidade de clientes presentes no sistema, então, a representação
destas taxas passa a ser:
λn → λ
µn → µ
Ou, até mesmo:
n s
Sendo assim, o inverso destas taxas representa os tempos esperados de chegada e atendimento, res-
pectivamente.
1
= Tempo esperado entre atendimentos ou índice de chegada (tem
mpo/ cliente) - IC
λ
1
= Tempo esperado de atendimento ou tempo de atendimento (tempo/ cliente) - TA
µ
Quando se trabalha com sistema de filas, considera-se que o sistema é estável, ou seja, se comporta em
regime de estado estacionário, sem sofrer variações significativas, ao longo do tempo, com relação aos
estados passados. Em outras palavras, o número de clientes no sistema ao longo do tempo não sofre
mais influência do estado inicial (HILLIER; LIEBERMAN, 2013).
Para esta condição de estabilidade, a notação utilizada para representar os parâmetros de desem-
penho do sistema de fila se torna:
38
UNIDADE 2
Pn = Probabilidade de exatamente n clientes se encontrarem no

o sistema de filas
NS = Númeromédio de clientes no sistema de filas
NA = Número médio de clientes sendo atendidos
TA = Tempo médio de atendimento ou de serviço
NF = Número médio de clientes apenas na fila (excluindo os que estão sendo atend didos)
TS = Tempo médio de espera no sistema de fila para cada cliente (incluindo o tempo de atendimento)
TF = Tempo médio de espera na fila para cada cliente (excluindo o tempo de atendimento)
Algumas relações entre os parâmetros de desempenho foram observadas e provadas, matematicamente,

ao longo dos anos, e as principais delas são apresentadas a seguir.
NS λ TS NF NA
NF λ TF
1
TS TF TF TA
µ
λ
NA
µ
Estas relações são úteis para diversas situações. Observe nos exemplos 1 e 2.
01. EXEMPLO o gestor de uma fábrica, analisando determinado setor, encontrou que a taxa de che-
gada de clientes é de 30 clientes por hora, a taxa de atendimento a estes clientes é de
40 clientes por hora, e o tempo médio neste sistema de fila é de 0,1 hora. Determine
o tamanho médio da fila e o tempo de atendimento (Prado, 2014).
Solução: Para resolver este problema o primeiro passo é entender o significado
dos dados e escrever cada um dos parâmetros conhecidos, e, para este caso temos:
λ = 30 clientes/h
µ = 40 clientes/h
TS = 0, 1 h
Os parâmetros buscados são NF (tamanho médio da fila) e TA (tempo de aten-
dimento), em que, pelas relações apresentadas anteriormente, podemos escrever:
NF λ TF
TF TS TA
1 1
TA 0, 025 h/cliente
µ 40
TF 0, 1 0, 025 0, 075 h//cliente
NF 30 0, 075 2, 25 clientes/h
39
UNICESUMAR
Os cálculos mostram, então, que o número de clientes na fila é de 2,25 a cada

hora, e que o tempo médio de atendimento é de 0,025h, o equivalente a 1,5min por
cliente. Acabamos encontrando, também, que o tempo médio na fila é de 0,075h ou
4,5min por cliente.
02. EXEMPLO em uma mineradora, os caminhões recebem a carga de minério de pás carregadeiras
e levam até um britador, onde descarregarão a carga para ser triturada. Uma análise
realizada no britador (sistema) observou que o tempo médio dos caminhões neste
local era de catorze minutos e que, em média, estão neste sistema sete caminhões. A
capacidade de descarregamento do britador é de 0,8 caminhão por minuto (Prado,
2014). Determine o valor da taxa média de chegada de caminhões no britador e o
tempo de descarregamento do britador.
Solução: Identificando os parâmetros do problema, podemos verificar que são
conhecidos o tempo médio no sistema (TS), a quantidade de elementos presentes no
sistema (NS) e a taxa de atendimento do posto, que é o britador (μ).
0, 8 caminhão/ min
TS 14 minutos
NS 7 caminhões
Sendo assim, utilizando as relações já vistas, os parâmetros taxa média de chegada de

caminhões ao britador (λ) e o tempo médio de descarregamento no britador (TA),
são calculados:
NS 7
NS λ TS λ 0, 5 caminhões/ min
TS 14
1 1
TA 1, 25 min/ camin
nhão
µ 0, 8
Observamos, então, que a taxa de chegada de caminhões no britador é de 0,5 cami-

nhões por minuto, e que o tempo de descarregamento de cada caminhão no britador
é, em média, de 1,25 minutos.
Para estudar os diferentes modelos de filas, entenderemos, inicialmente, a nomenclatura utilizada para
descrevê-los. Segundo Fogliatti e Mattos (2007), a nomenclatura de Kendall (1953) é muito utilizada
para expressar a forma dos modelos. Esta nomenclatura toma como base a forma A/B/C/D/E, sendo
A e B valores literais que representam as distribuições dos tempos de chegada (A) e de atendimento
(B) para o sistema de filas. A letras C e D são valores numéricos e representam a quantidade de postos
em paralelo (C) e a capacidade física do sistema (D), por fim, a letra E é escrita com as siglas que repre-
sentam a disciplina de atendimento do sistema de filas (como FIFO, First In, First Out, por exemplo).
40
UNIDADE 2
As distribuições de tempo mais comuns para representar A e B são apresentadas a seguir:
D : Distribuição determinística ou degenerada, para comporrtamento aleatório;

M : Distribuição exponencial, Memoryless ou Markoviana;
Ek : Distribuição de Erlang do tipo k;
G : Distribuição geral, não especificada.
Desta maneira, uma notação do tipo M/G/1/∞/FIFO representa um sistema que tem um compor-
tamento de uma distribuição exponencial (Markoviana) para os dados de chegada de clientes, uma
distribuição geral para o atendimento a estes clientes, apenas um posto de atendimento com capacidade
infinita de chegada de clientes e com a disciplina de atendimento do tipo FIFO, primeiro que entra,
primeiro que sai. Já uma notação do tipo M/E4/3/9/LIFO representa um sistema cujos dados de che-
gada de clientes apresentam distribuição exponencial, o atendimento a estes clientes tem distribuição
de Erlang do tipo 4, com três postos de atendimento em paralelo e capacidade de atendimento de nove
clientes, sendo três nos postos de atendimento mais seis na fila. A disciplina de atendimento é LIFO,
último que entra, primeiro que sai.
Grande parte dos modelos desenvolvidos baseiam-se no processo de nascimento-e-morte, em que
se define o nascimento quando um novo cliente chega ao sistema, e morte quando o cliente atendido
sai do sistema. Este processo baseia-se em hipóteses que afirmam que o número de clientes no sistema
de filas em um dado instante t, representado por N(t), muda conforme o tempo aumenta, e os proces-
sos de nascimento e morte individuais ocorrem, aleatoriamente, de maneira que suas taxas médias de
ocorrência (chegada e atendimento) dependem apenas do estado atual do sistema. Formalmente, as três
hipóteses básicas do processo de nascimento e morte apresentadas por Hillier e Lieberman (2013) são:
Hipótese1: Dado N (t ) n, a distribuição probabilística atual do tempo remanescente até o próximo

nascimento (chegada) é exponencial com parâmetro λn (n 0,1, 2,...);
Hipótese 2: Dado N (t ) n, a distribuição probabilística atual do tempo remanescente até a próxima

morte (término do atendimento) é exponencial com parâmetros µm (n 1, 2...);
Hipótese3: A variável aleatória da hipótese 1 (o tempo remanescente até o próximo nascimento) e a variável
aleatória da hipótese 2 (o tempo remanescente até a próxima morte) são mutuamente independentes. A próxima
transição no estado do pro ocesso se torna:
n n 1 (um único nascimento)

ou então
n n 1 (uma única morte)
41
UNICESUMAR
Observe que o processo de nascimento-e-morte baseia-se no comportamento exponencial dos dados

de chegada e de atendimento, muito comum para processos de filas. Ao avaliar o sistema em seu estado
estável, ou seja, no equilíbrio, pode-se escrever uma equação de equilíbrio para as taxas de entrada e
saída que é, basicamente:
Taxa média de entrada = Taxa média de saída
Para cada estado, uma equação de equilíbrio é escrita, levando a uma relação entre as taxas de entrada
e saída e suas probabilidades de ocorrência. As formas destas equações são apresentadas por Hillier e
Lieberman (2013), como segue:
Estado taxa que entra = taxa que sai

0 µ1 P1 λ0 P0
1 λ0 P0 µ2 P2 λ1 µ1 P1
2 λ1P1 µ3 P3 λ2 µ2 P2
 
n 1 λn2 Pn2 µn Pn λn1 µn1 Pn1
n λn1Pn1 µn1Pn1 λn µn Pn
 
Estas equações de equilíbrio permitem determinar a probabilidade de ocorrência dos eventos para
cada estado do sistema de filas (Pn). É prática comum escrever todas as probabilidades dos n estados
em função da probabilidade do estado 0, como apresentado a seguir:
Estado
λ0
0 P1 P0
µ1
λ1 1 λ1 λ1λ0
1 P2 P1 µ1 P1 λ0 P0 P1 P0
µ2 µ2 µ2 µ2 µ1
λ2 1 λ2 λ2λ1λ0
2 P3 P2 µ2 P2 λ1P1 P2 P0
µ3 µ3 µ3 µ3µ2 µ1

λn1 1 λn 1 λn 1λn 2 λ0
n 1 Pn Pn1 µn1Pn1 λn2 Pn2 Pn 1 P0
µn µn µn µn µn 1 µ1
λn 1 λn λnλn 1 λ0
n Pn1 Pn µn Pn λn1Pn1 Pn P0
µn1 µn1 µn 1 µn1µn µ1

42
UNIDADE 2
Para o caso geral de n estados, o coeficiente que multiplica P0, que é a relação entre
as taxas de chegada e de atendimento pode ser simplificado para:
λn1λn2 λ0
Cn , para n 1, 2,...
µn µn1  µ1
Desta forma, a probabilidade de ocorrência dos eventos no estado estável é dada
por:
=Pn C=
n P0 , para n 0, 1, 2,...
Como o somatório das probabilidades é unitário (1)

Pn 1
n0
então,

Cn P0 1
n0
ou seja,
1

P0 Cn

n 0
Todos os parâmetros de desempenho do sistema de filas, quando representados

pelo estado de nascimento-e-morte, podem ser calculados, após a determinação das
probabilidades Pn, sendo suas equações gerais definidas por:

NS nPn , NF n s Pn
n 0 ns
NS NF
=TS = , TF
l l
sendo:

l ln Pn
n 0
a taxa média de chegada a longo prazo.
43
UNICESUMAR
Logicamente, você não precisará memorizar estas relações apresentadas, elas servem para que você
entenda de onde surgiram as equações com que trabalharemos. Todas se baseiam nas relações entre os
dados de chegada e atendimento bem como das probabilidades de ocorrência em cada situação. Depois
destas definições gerais, agora, nos debruçaremos sobre alguns tipos de modelos com características
específicas, iniciando pelos que se baseiam no processo de nascimento-e-morte.
Modelo M/M/1/∞/FIFO
O modelo M/M/1/∞/FIFO considera que os tempos de chegada de clientes, no sistema, bem como
de atendimento a estes clientes segue uma distribuição exponencial (Poisson), ocorrendo de maneira
independente em um sistema que tem um atendente. Neste modelo, a capacidade do sistema é infinita,
e a disciplina de atendimento seguida é o primeiro que entra, primeiro que sai. Para este tipo de modelo,
as equações utilizadas para definir os parâmetros de fila são:
λ2
NF Númeromédiodeclientesna fila NF
µ µ λ
λ
NS Númeromédiode clientesnosistema NS
µ λ
λ
TF Tempomédiodo clientena fila TF
µ µ λ
1
TS Tempomédiodoclientenosistema TS
µ λ
n
λ λ
Pn Probabilidade de haver n clientes no sistema Pn 1
µ µ
λ
ρ Taxa de ocupação (utilização) do sistema ρ
µ
P0 Ociosidade do sistema (probabilidade de n=0) P0 1 ρ
Nos exemplos 3 e 4, você verá a aplicação destas equações para alguns problemas de filas.
44
UNIDADE 2
03. EXEMPLO uma empresa do ramo de tecnologia desenvolve softwares de controle de processo
para indústrias químicas e destaca um funcionário para receber ligações dos clientes
para retirar dúvidas, ou resolver problemas, remotamente. O funcionário recebe, em
média, quatro chamadas por hora e leva, em média, doze minutos no atendimento ao
cliente. Admitindo que as chegadas ao sistema (funcionário) sigam uma distribuição de
Poisson, e que o atendimento, também, siga uma distribuição exponencial, determine:
a) A probabilidade de um cliente ligar e não ter que aguardar para ser atendido.
b) O número médio de clientes na fila (aguardando na linha).
c) Número médio de clientes no sistema (fila mais atendimento).
d) Número médio de clientes em atendimento telefônico.
e) Tempo médio de espera na fila.
f) O ritmo médio de chegada para que o tempo de espera na fila seja, em média,
de 25 minutos.
g) A taxa de ocupação do atendente.
Solução: Para resolver este problema, inicialmente, precisamos determinar os dois

parâmetros fundamentais, taxa média de chegada (λ) e taxa média de atendimento
(μ). Considerando os dados apresentados no texto, temos:
1 1
λ 4 chamadas/h IC 0, 25 h/chamada 15 min/chamada
λ 4
1 1
TA 12 min/chamada = 0,2h/chamada µ 5 chamadas/h
TA 0, 2
Então, verificamos que a taxa média de chegada é de quatro chamadas/h, e a taxa

média de atendimento é de cinco chamadas/h.
45
UNICESUMAR
a) A probabilidade de um cliente ligar e logo ser atendido é a probabilidade de

haver 0(zero) elementos no sistema, ou seja, P0.
P0 1 ρ
λ 4
ρ 0, 8
µ 5
P0 1 0, 8 0, 2
Logo, a probabilidade de algum cliente ligar, e não ter ninguém no sistema é de 20%.
b) O número médio de clientes na fila é dado por:
λ2 42 16
NF 3, 2 chamadas/h
µ µ λ 5 5 4 5
c) O número médio de clientes no sistema será:
λ 4
NS 4 chamadas/h
µ λ 5 4
d) O número médio de clientes em chamada telefônica será:
NA NS NF 4 3, 2 0, 8 chamadas/h
e) O tempo médio de espera na fila será:
λ 4
TF 0, 8h 48 min
µ µ λ 5 5 4
f) Considerando um TF de 25min ou 0,417h, teremos:
λ
TF λ TF µ µ λ λ TF µ2 TF µ λ
µ µ λ
TF µ2
λ TF µ λ TF µ2 λ 1 TF µ TF µ2 λ
1 TF µ
0, 417 52 10, 425
λ 3, 379 3, 4 chamadas/h
1 0, 417 5 3, 085
g) A taxa de ocupação do atendente é calculada por:
λ 4
ρ= = = 0, 8
µ 5
Ou seja, a taxa de ocupação é de 80% do tempo.
46
UNIDADE 2
No Exemplo 4, você verá como calcular, de maneira simples, o custo do sistema, baseando-se em in-
formações sobre o atendente e o cliente. Na próxima unidade, trabalharemos com mais detalhes nesta
análise de custo, mas, aqui, você verá que as ideias são bem intuitivas.
04. EXEMPLO uma empresa pretende contratar um funcionário para manutenção de suas máquinas
que apresentam um ritmo de quatro falhas por hora. A empresa dispõe de duas op-
ções: o reparador de máquinas 1, que consegue reparar cinco falhas por hora, tendo
um salário de R$7,50/h, e o reparador de máquinas 2, que consegue reparar seis fa-
lhas por hora, com um salário de R$10,20/h. Uma máquina parada custa à empresa
R$10,00/h. Determine qual dos dois reparadores de máquina deve ser contratado
para que a empresa tenha o menor custo horário entre manutenção e parada.
Solução: Para determinar o custo total, avaliaremos o sistema como um todo, que
envolve o funcionário que executará o serviço e a quantidade de máquinas paradas
por hora que haverá, devido à formação de fila e ao próprio serviço de manutenção.
Para tanto, precisaremos calcular a quantidade de máquinas paradas em uma hora,
considerando que uma máquina não está trabalhando, se está na fila, ou se está em
processo de manutenção.
Para o reparador de máquinas 1:
Os parâmetros do sistema de fila, neste caso, são:
λ 4 falhas/h
µ1 5 falhas/h
λ 4
NS 4 máquinas/ h
µ λ 5 4
Custo das máquinas 4 R$10, 00 R$40, 00
Custo do reparador 1 = R$7, 50
Custo total = R$47, 50
Para o reparador de máquinas 2:

λ 4 falhas/h
µ2 6 falhas/h
λ 4
NS 2 máquinas/ h
µ λ 6 4
Custo das máquinas 2 R$10, 00 R$20, 00
Custo do reparador 2 = R$10, 20
Custo total = R$30, 20
Se o objetivo da empresa é determinar a contratação que levará ao menor custo horário, o
reparador 2, apesar de ser o que tem maior salário, permitirá um custo R$17,30/h menor.
47
UNICESUMAR
No modelo M/M/1/K/FIFO, os dados de chegada no sistema e de atendimento também são represen-

tados por uma distribuição de probabilidade exponencial, há um posto de atendimento, mas a capacidade
do sistema é limitada (K), respeitando-se a disciplina de atendimento FIFO. Neste caso, as equações que
definem os parâmetros da fila são:
NS Númeromédiodeclientesnosistema NS
ρ

K 1 ρK 1
1 ρ 1 ρ K 1
NF Númeromédiodeclientesna fila NF NS 1 P0
NS
TS Tempomédiodo clientenosistema TS
λ
NF
TF Tempomédiodo clientena fila TF
λ
λ Taxa média de chegada a longo prazo λ λ 1 PK
1 ρ
Pn Probabilidade de haver n clientes no sistema Pn ρn
K 1
1 ρ
λ
ρ Parâmetro do sistema de fila ρ
µ
λ
Taxa de ocupação (utilização) do sistema
µ
1 ρ
P0 Ociosidade do sistema (probabilidade de n=0) P0
1 ρ K 1
Observe que, neste caso, a limitação da capacidade do sistema torna as equações dos parâmetros de
fila um pouco mais complexas, dependentes da quantidade K de clientes presentes no sistema. No
entanto o grau de complexidade fica restrito para as equações. Veja, no Exemplo 5, como a solução do
problema não é tão difícil e permite uma avaliação mais interessantes sobre o sistema de filas.
05. EXEMPLO retomando o problema da mineradora, imagine, agora, que há apenas uma pá carrega-
deira para atender aos caminhões em determinado setor da mina. A capacidade de carga
desta pá carregadeira é de 9 caminhões/h e chegam até ela, em média, sete caminhões
por hora. Deseja-se analisar o comportamento da fila deste sistema considerando:
a) Quantidade ilimitada de caminhões no setor.
b) Quantidade de dez caminhões no setor.
c) Esboçar um gráfico para o número médio de caminhões na fila variando a
quantidade disponível no setor de 0 a 40.
Solução: No enunciado, já temos os valores das taxas médias de chegada e de aten-

dimento, sendo, respectivamente, sete caminhões/h e nove caminhões/h, assim, po-
demos resolver cada uma das partes do problema.
48
UNIDADE 2
a) Ao considerar quantidade ilimitada de caminhões, retornamos à análise do

modelo M/M/1/∞/FIFO.
λ2 72 49
NF 2, 72 caminhões
µ µ λ 9 9 7 18
λ 7
NS 3, 5 camiinhões
µ λ 9 7
λ 7 7
TF 0, 39h 23, 4 min
µ µ λ 9 9 7 18
1 1 1
TS 0, 5h 30 min
µ λ 9 7 2
λ 7
ρ 0, 78
µ 9
P0 1 ρ 1 0, 78 0, 22
b) Como a quantidade de caminhões é limitada, teremos, então, um modelo

M/M/1/10/FIFO, em que o parâmetro K=10.
λ 7
ρ 0, 78
µ 9
1 ρ 1 0, 78 0, 22
P0 K 1
101
0, 235
1 ρ 1 0, 78 0, 935
1 ρ 1 0, 78
Pn K 1
ρ n P10 101
0, 7810 0, 235 0, 7810 0,00196
1 ρ 1 0, 78
λ λ 1 PK λ 1 P10 7 1 0, 0196 6, 86 caminhões/ h
NS
ρ

K 1 ρ K 1

0, 78

10 1 0, 78
101
3, 55
0, 715
2, 79 caminhões
1 ρ 1 ρ K 1 1 0, 78 1 0, 78101 0, 935
NF NS 1 P0 2, 79 (1 0, 235) 2, 025 2, 03 caminhões
NS 2, 79
TS 0, 41h 24, 6 min
λ 6, 86
NF 2, 03
TF 0, 296h 0, 3h 18 min
λ 6, 86
Observe que, se a quantidade de caminhões existentes no sistema for limitada, o tempo

médio na fila diminui de 23,4min para 18min, assim como a quantidade de caminhões
na fila, que reduz de 2,72 caminhões em uma hora para 2,03 caminhões em uma hora.
c) Para representar, graficamente, os valores de NF x K, calculamos o NF para
alguns valores de K, de 0 a 40. Neste problema, adotou-se uma variação de
cinco em cinco unidades para K, e os valores obtidos de NF para esta variação
são apresentados na Tabela 1.
49
UNICESUMAR
K NF K NF K NF
0 0 15 2,43 30 2,71
5 1,08 20 2,62 35 2,72
10 2,03 25 2,68 40 2,72
Tabela 1 - Valores de NF para diferentes quantidades de caminhões disponíveis no setor da mineradora / Fonte: o autor.
Estes dados foram inseridos no gráfico apresentado na Figura 1.

3
NF (caminhões na Fila/h)
2,5
1,5
0,5
0
0 10 20 30 40 50
K (caminhões disponíveis)
K=número K=infinito
Figura 1 - Gráfico para o número de caminhões na fila (NF) de acordo com o valor de K / Fonte: o autor.
Descrição da Imagem: na figura, há um gráfico com o eixo “x” representando a variável K da quantidade de caminhões presentes no
setor da mina, e o eixo “y” representando a variável NF, com o número esperado de caminhões aguardando na fila para carregamento, no
intervalo de uma hora. Há duas curvas, uma crescente iniciando em zero e se estabilizando em 2,72, a partir de K = 30, representando os
dados de NF com K variável, e outra, uma reta horizontal, constante em 2,72 representando o resultado de NF, considerando K = infinito.
Na Figura 1, você pode observar que os valores de NF são dependentes da quantidade de caminhões
disponíveis no sistema, que, aqui, são representados pelo setor da mina que faz o carregamento com
uma pá carregadeira. Pode-se observar que o aumento do valor de K faz com que o valor de NF se
estabilize no mesmo resultado encontrado para a fila com quantidade infinita de caminhões, que é
representada pela linha tracejada, na parte superior do gráfico.
Observe o comportamento do gráfico do Exemplo 5: se continuarmos aumentando a quantidade

de caminhões disponíveis no setor da mina, a quantidade presente na fila não sofrerá alteração.
Isso porque o valor da taxa média de chegada não será alterado. Sendo assim, mesmo que
se tenha uma grande quantidade de caminhões que pode chegar até o sistema, se, durante o
período de uma hora, só conseguem chegar, em média, a mesma quantidade, o valor de NF se
estabilizará no resultado encontrado quando se tem infinitos caminhões disponíveis.
50
UNIDADE 2
O modelo M/M/s/∞/FIFO também considera que os tempos de chegada de clientes no sistema e de

atendimento a estes clientes seguem uma distribuição exponencial (Poisson), ocorrendo de maneira
independente, no entanto, neste caso, o sistema tem s atendentes. Quando s = 1, caso particular de
apenas um atendente, como vimos anteriormente
λn = λ
µn = µ
No entanto, quando s é maior do que 1, a taxa média de atendimento é determinada de formas dife-
rentes, sendo:
n n quando n s,
n s quando n s.
As equações que definem os parâmetros de fila nestas condições são:
s
P0 λ / µ ρ
NF Númeromédiodeclientesna fila NF
2
s ! 1 ρ
NF
TF Tempo médiodo clientena fila TF
λ
1
TS Tempomédiodoclientenosistema TS TF
µ
1 λ
NS Númeromédiodeclientesnosistema NS λ TF NF
µ µ
λ/µ n
P se 0 n s
n! 0
Pn Probabilidade de haver n clientes no sistema Pn n
λ / µ
P0 se n s
s ! s n s
λ
sµ
1
s 1 λ / µ n s

P0 Ociosidade do sistema (probabilidade de n=0) P0

λ / µ 1
n0 n ! s ! 1 λ / sµ

No Exemplo 6, você verá uma aplicação deste modelo.
51
UNICESUMAR
06. EXEMPLO uma fábrica tem um depósito de ferramentas para onde os funcionários do processo
se deslocam para buscar ferramentas especiais para uso em atividades específicas. Um
estudo deste sistema revelou que a taxa média de chegada no setor é de 0,8 funcioná-
rio/minuto, e o único atendente do local tem condições de atender 1,1 funcionários/
minuto, ambos seguindo o modelo Markoviano. O atendente do depósito recebe
R$12,50/h, e cada funcionário do processo, em média, R$20,50/h. Sendo assim, analise:
a) O custo horário do sistema atual (1 atendente) e a ociosidade dele.
b) O custo horário do sistema se houver 2, 3, 4 ou 5 atendentes. Compare os
custos encontrados.
Solução: Em ambos os casos, o custo horário do sistema é calculado pelo custo do

atendente somado ao custo dos funcionários que estão no sistema (fila + atendimen-
to). Os parâmetros de taxa média de chegada e taxa média de atendimento serão os
mesmos para os dois casos, e são representados por:
λ = 0, 8 funcionários/ min
µ = 1, 1 funcionários/ min
Mesmo que o custo seja dado por hora, observe que haverá proporcionalidade direta
entre as taxas por minuto e por hora, de forma que NS assumirá o mesmo valor, seja
por minuto, seja por hora.
Sendo assim:
a)
λ 0, 8
NS 2, 67 funcionários/ min
µ λ 1, 1 0, 8
λ 0, 8
ρ 0, 73
µ 1, 1
P0 1 0, 73 0, 27
A ociosidade do sistema é de 27% e o custo horário será de:
Custo horário = Custo do atendente + Custo dos funcionários na fila

Custo horário R$12, 50 2, 67 R$20, 50 R$67, 24
52
UNIDADE 2
b)
s=2
λ 0, 8
ρ 0, 364
sµ 2 1, 1
1 1
s 1 λ / µ n λ / µ s 1 21 0, 8 / 1, 1n 0, 8 / 1, 12 1
P0
n 0 n ! s ! 1 λ / sµ n 0 n! 2! 1 0, 8 / 2 1, 1

P0 0, 47
s 2
P0 λ / µ ρ 0, 47 0, 8 / 1, 1 0, 364 0, 0905
NF 2
2
0, 112
s !1 ρ 2 !1 0, 364 0, 809
λ 0, 8
NS NF 0, 112 0, 839 funcionários/ min
µ 1, 1
O custo horário fica em:

Custo horário = 2 R$12, 50 0, 839 R$20, 50 R$42, 20
s=3
λ 0, 8
ρ 0, 242
sµ 3 1, 1
1 1
s 1 λ / µ n λ / µ s 1 31 0, 8 / 1, 1n 0, 8 / 1, 13 1
P0
n 0 n ! s ! 1 λ / sµ n 0 n! 3! 1 0, 8 / 3 1, 1

P0 0, 48
s 3
P0 λ / µ ρ 0, 48 0, 8 / 1, 1 0, 242 0, 0447
NF 2
2
0, 013
s !1 ρ 3!1 0, 242 3, 447
λ 0, 8
µ 1,1

Custo horário = 3 R$12, 50 0, 74 R$20, 50 R$52, 67
53
UNICESUMAR
s=4
λ 0, 8
ρ 0, 182
sµ 4 1, 1
1 1
s 1 λ / µ n λ / µ s 1 4 1 0, 8 / 1, 1n 0, 8 / 1, 14 1
P0
n 0 n ! s ! 1 λ / sµ n 0 n! 4! 1 0, 8 / 4 1, 1

P0 0, 483
s 4
P0 λ / µ ρ 0, 483 0, 8 / 1, 1 0, 242 0, 0327
NF 2
2
0, 0024
s !1 ρ 4 !1 0, 242 13, 79
λ 0, 8
NS NF 0, 0024 0, 73funcionários/ min
µ 1,1

Custo horário = 4 R$12, 50 0, 73 R$20, 50 R$64, 97.
s=5
λ 0, 8
ρ 0, 145
sµ 5 1, 1
1 1
s 1 λ / µ n λ / µ s 1 51 0, 8 / 1, 1n 0, 8 / 1, 15 1
P0
n 0 n ! s ! 1 λ / sµ n 0 n! 5! 1 0, 8 / 5 1, 1

P0 0, 483
s 5
P0 λ / µ ρ 0, 483 0, 8 / 1, 1 0, 145 0, 0142
NF 2
2
0, 00016
s !1 ρ 5!1 0, 145 87, 72
λ 0, 8
µ 1,1

Custo horário 5 R$12, 50 0, 727 R$20, 50 R$77, 40.
54
UNIDADE 2
Na Tabela 2, há um resumo dos resultados obtidos para estas dinâmicas do sistema de atendimento
no depósito de ferramentas.
Custo Custo
s ρ NS Custo total
Atendente funcionários
1 0,730 2,67 R$12,50 R$54,74 R$67,24
2 0,364 0,839 R$25,00 R$17,20 R$42,20
3 0,242 0,740 R$37,50 R$15,17 R$52,67
4 0,182 0,730 R$50,00 R$14,97 R$64,97
5 0,145 0,727 R$62,50 R$14,90 R$77,40
Tabela 2 - Cálculos para o Exemplo 6 com diferentes quantidades de atendentes / Fonte: o autor.
Observando os dados apresentados na Tabela 2, verifica-se que o meio mais econômico seria trabalhar
com dois atendentes, reduzindo a fila formada e tendo menos funcionários do processo parados.
O modelo M/M/s/K/FIFO é uma variante do modelo anterior, considerando que a população é
finita, ou seja, tem uma quantidade limitada de clientes que cabe na fila. Para tal modelo, as equações são:
s 1
NF Númeromédiodeclientesna fila NF NS s c n Pn
n 0
s 1 K ! n 1 K K !n
NS Númeromédiodeclientesnosistema NS P0 rn rn
n0 K n ! n ! s ! n s K n ! s n s

NF
TF Tempomédiodo clientena fila
a TF
λ K NS
NS
TS Tempomédiodoclientenosistema TS
λ K NS
K! n
K n ! n ! r P0 , 0ns

Pn Probabilidade de haver n clientes no sistema Pn
K!
r nP0 , s n K
K n ! s ! s n s

λ
r Parâmetro do sistema de fila r
µ
1
s 1 K! K
K!
P0 Ociosidade do sistema (probabilidade de n=0) P0 rn rn
n 0 K n ! n ! n s K n ! s ! s
n s

Veja, no Exemplo 7, uma aplicação deste modelo.
55
UNICESUMAR
07. EXEMPLO considere o mesmo exemplo da mina, mas que, agora, tenha duas pás carregadeiras
para abastecer os caminhões, havendo uma taxa média de chegada de 15 caminhões/h
e uma taxa de atendimento por pá carregadeira de 9 caminhões/h. Se houver 30
caminhões circulando no setor, determine o parâmetro ρ do sistema, o número de
caminhões na fila bem como o tempo médio aguardando na fila.
Solução: Para este problema, temos os parâmetros:
λ = 15 caminhões/ h
µ = 9 caminhões / h
A aplicação das equações do modelo leva a:
1
s 1 K! K
K!
P0 r
n
r n
1, 35 1031
n 0 K n ! n !

ns K n ! s ! s
ns

λ
ρ 0, 833
sµ
s 1 K !n 1 K K !n
NS P0 rn r n
28, 8 caminhões

n 0 K n ! n ! s ! n s K n ! s ns

s 1
NF NS s c n Pn 26, 8 caminhões
n 0
NF
TF 1, 49h
λ K NS
Observe que, nesta dinâmica, o parâmetro ρ das pás carregadeiras será em torno de 83,3%, com um
número médio de caminhões na fila de 26,8 caminhões, sendo o tempo médio na fila de 1,49h.
56
UNIDADE 2
Até o momento, você aprendeu que a Teoria das Filas tem seu equacionamento baseado na
estatística, havendo diferentes maneiras de expressar as equações dos parâmetros da fila.
Cada sistema tem suas particularidades, por este motivo, é importante identificar o tipo de fila
com que se está trabalhando para que as equações corretas sejam utilizadas. Sempre que um
sistema for alterado, o modelo que o descreve deve ser atualizado, por exemplo, se antes havia
apenas um posto de atendimento e passou a haver dois, o modelo deve ser adaptado para
esta nova condição. Mesmo assim, os resultados dos parâmetros de fila podem ser avaliados
e comparados ao final do processo de estudo do sistema.
Todos estes cálculos foram realizados com a ajuda do Excel para acelerar o processo de cálculo dos
somatórios. Sugiro que você, também, tente fazê-los como exercício prático de aplicação de planilhas.
Olá, convido você a ouvir este Podcast da segunda unidade do

livro Simulação de Processos Produtivos. Neste Podcast, você verá
aprenderá mais um pouco sobre Teoria das Filas e suas aplicações.
57
UNICESUMAR
No início da unidade, você foi convidado a pensar sobre o problema da des-

cida das 200 pessoas que participaram da conferência, no último andar de
um prédio comercial. Algumas situações foram propostas, e você deve ter
analisado cada uma delas. Neste momento, retornamos a esta ideia e com
as informações adquiridas. Vamos analisar a situação. É intuitivo que dois
elevadores funcionando é melhor do que apenas um, podemos enxergar os
elevadores como postos de atendimento. Se os dois funcionam, duplicamos
a capacidade de descida, independentemente de ser formada uma fila para
cada elevador ou fila única.
Outro ponto importante é a questão das paradas intermediárias. Por se
tratar de um prédio comercial e por ser horário de fim de expediente, pro-
vavelmente, em todos os andares, mais pessoas acionarão os elevadores para
descer. Se o elevador trabalhar em uma dinâmica FIFO, seguindo a sequência
cronológica de acionamento do botão do elevador, após uma descida completa,
ele deve parar em andares intermediários para pegar mais pessoas e descer.
Provavelmente, haverá situações em que o elevador descerá do último andar
cheio e não consiga pegar mais ninguém, e outras situações em que ele subirá
até o último andar cheio por já ter pego pessoas nos andares inferiores.
Observe que este é um processo bem aleatório e que poderia ser estudado se
alguém cronometrasse todos estes tempos, avaliando o tempo que demora para
o elevador descer com pessoas do último andar até retornar vazio e poder pegar
mais passageiros do último andar. O sistema tem uma demanda mais alta do
que o elevador pode atender em único atendimento, mas como a quantidade
de clientes é limitada, ele, em algum momento, conseguirá esvaziar o sistema.
É importante dizer, também, que a presença de gestantes e idosos pode
levar a uma organização da fila de forma prioritária, em que se definem estas
pessoas como as primeiras da fila a descer. Observe que este problema corri-
queiro pode ser analisado pela Teoria das Filas, inclusive, durante o projeto do
prédio comercial, estimando-se a quantidade de elevadores necessários para
executar esta ação (descida do último andar) sem que haja demora excessiva
no processo. Dedicar um elevador apenas para o último andar, se a demanda
for elevada com frequência, também se torna uma alternativa, ou mesmo
programá-lo para esta finalidade em dias específicos de demanda alta.
Como já vimos, esta análise sem números que fizemos agora pode ser
aplicada para qualquer situação que envolva fila. Nos exemplos desta unidade,
você deve ter percebido a dinamicidade desta teoria e suas aplicações. Na pró-
xima unidade, falaremos com mais detalhes sobre os custos envolvidos nestes
sistemas de filas e abordaremos mais alguns modelos que não apresentam um
comportamento de chegada e atendimento, exclusivamente, exponenciais.
58
Para ajudar você a sintetizar os principais pontos desta unidade, preparei um esboço de Mapa
Mental, parcialmente preenchido, para que você o complete de acordo com as informações dispo-
nibilizadas em nossa unidade. Observe a Figura 2 e complete os espaços não preenchidos.
M/M/1/K/FIFO
M/M/s/∞/FIFO
M/M/1/∞/FIFO
Modelos da unidade 2
M/M/s/K/FIFO

Notação Kendall
A/B/C/D/E
E – Disciplina de atendimento
A- Distribuição do do sistema de fila
processo de chegada
C – Número de postos de
atendimento em paralelo
Figura 2 - Mapa Mental a ser preenchido para anotação dos pontos principais da unidade 2 / Fonte: o autor.
Descrição da Imagem: na Figura 2, há um Mapa Mental formado por um retângulo ao centro, escrito “Modelos de Filas”. Deste
retângulo, surge uma ramificação para cima, conectada a um retângulo onde se lê “Modelos da Unidade 2”. Do retângulo central,
também sai uma ramificação para baixo, conectada a outro retângulo onde se lê “Notação Kendall”. Do retângulo onde se lê “Mo-
delos da Unidade 2” saem mais quatro retângulos, cada um com os modelos vistos na unidade, sendo, da esquerda para a direita:
M/M/1/inf/FIFO; M/M/1/K/FIFO; M/M/s/inf/FIFO e M/M/s/K/FIFO. Você deve, então, preencher duas ramificações do retângulo
“notação Kendall”, em que, cada retângulo representa uma letra da notação, faltando apenas descrever as letras B e D.
59
1. Uma fábrica produz peças para montagem de embarcações comerciais e, em uma de
suas linhas de montagem, há a seguinte configuração do sistema:
y
= 120 u = 140 u = 200 u = 160
Chegada Etapa 1 Etapa 2 Etapa 3
20%
u = 80
Reparo
Figura 1 - Representação do sistema de filas para uma das linhas de montagem de fabricação e peças para em-
barcações comerciais / Fonte: o autor.
Descrição da Imagem: na Figura 1 do exercício 1, aparece uma seta à esquerda, acima da seta está o símbolo lambda
igual a 120, abaixo da seta está escrito chegada. Após esta seta, aparecem dois cilindros em sequência, indicando fluxo
de material, depois dos cilindros há um retângulo com cilindro dentro, indicando um posto de atendimento; acima deste
retângulo há a letra grega “mi” igual a 140 e, abaixo, está escrito “Etapa 1”. À frente deste retângulo, há uma seta e, depois
da seta, outro cilindro; à frente deste cilindro há um retângulo com cilindro dentro, outro posto de atendimento; acima do
retângulo está escrito “mi” igual a 200 e, abaixo, está escrito “Etapa 2”. Em frente ao retângulo, há uma seta e, à frente da
seta, há outro retângulo com cilindro dentro, mais um posto de atendimento; acima deste retângulo está escrito “mi” igual
a 160 e, abaixo, está escrito “Etapa 3”. Deste retângul, saem duas setas, uma para frente, indicando saída do processo, e
outra para baixo, chegando a um retângulo de bordas arredondadas e um cilindro dentro, à esquerda deste retângulo há
“mi” igual a 80 e, abaixo dele, está escrito “Reparo”, deste retângulo sai uma seta para a direita indicando saída do processo.
Os parâmetros da taxa de chegada e das taxas de atendimento estão todos em unidades/h.

O processo apresentado, na Figura 1, indica que chegam ao sistema 120 unidades/h. A
Etapa 1 tem uma taxa de atendimento de 140 unidades/h; a Etapa 2 uma taxa de 200 uni-
dades/h, e a Etapa 3 uma taxa de 160 unidades/h. Da quantidade de peças que chegam
até a Etapa 3, 20% são enviadas para o reparo, e o restante (80%) deixa, imediatamente,
o sistema. A taxa de atendimento do reparo é de 80 unidades/h, após o reparo, as peças
deixam o sistema também. Adotando um sistema de fila que apresenta distribuição ex-
ponencial para a chegada e o atendimento, bem como quantidade infinita para a fila e
atendimento FIFO, analise:
a) O número de peças na fila, o tempo médio na fila, o número de peças no sistema, o
tempo em cada sistema e a taxa de ocupação de cada setor. Considere cada etapa do
processo como um sistema à parte.
b) Avaliando o processo descrito, qual você considera ser a etapa limitante?
c) Se a taxa de chegada ao sistema for alterada para 180 unidades/h, e a Etapa 1 for
duplicada com a mesma capacidade de atendimento individual, como se comportará
cada sistema (calcule os parâmetros da fila)?
d) Nas mesmas condições estabelecidas na letra c, havendo, também, a duplicação da
Etapa 3, o sistema se mantém estável (calcule os parâmetros da fila)?
60
2. Uma fábrica tem em seu processo de produção do item A um setor com três etapas,
sendo duas delas ocorrendo em paralelo (Etapas 1 e 2), e uma etapa que recebe os
materiais das Etapas 1 e 2, juntando-os, sendo esta chamada de Etapa 3. A taxa de
chegada de peças na Etapa 1 é de 15 unidades/h, e, na Etapa 2, de 10 unidades/h. A
taxa de atendimento para a Etapa 1 é de 20 unidades/h, da Etapa 2 é de 15 unidades/h
e da Etapa 3 é de 30 unidades/h. Todas as taxas seguem uma distribuição exponencial
para os dados. Se em todo o sistema estudado cabem apenas 50 unidades/h das peças
trabalhadas, calcule os parâmetros de fila, como: número médio de peças na fila, tem-
po médio na fila, tempo no sistema para cada Etapa. Determine, também, a produção
horária do setor bem como o tempo total de cada peça no setor.
3. Um porto possui um ponto de atracação para descarregamento de navios e tem capaci-

dade para atender cinco navios por dia. Em seu cais, é permitido permanecerem apenas
dois navios aguardando o momento de descarregar, enquanto um terceiro navio está
atracado descarregando. Desta forma, pode-se considerar que a taxa média de chegada
de navios é de três navios/dia. Quando chega um navio, e já tem dois aguardando o
descarregamento, o navio deve se dirigir a outro porto próximo. A administração do
porto está avaliando a possibilidade de fazer uma ampliação no cais, permitindo que
três navios possam aguardar na fila para descarregamento. Analise como se comportará
a fila (NF e TF) para o novo sistema em relação ao sistema atual.
61
62
3
Filas com
Comportamento
Não Exponencial e
Análise de Custos
com Teoria das Filas
Olá, caro(a) estudante, nesta terceira unidade do livro Simulação

de Processos Produtivos, você verá novos modelos de filas que con-
templam sistemas em que os dados não se comportam, exponen-
cialmente. Outro assunto de grande importância será a análise do
sistema de filas com foco nos custos, avaliando a quantidade de
atendentes que pode levar ao menor resultado de custo total, por
exemplo. Vamos lá!
UNICESUMAR
Você já viu, nas unidades anteriores, que o sistema de filas é formado

pelos clientes que chegam para serem atendidos, pela fila em si, formada
por estes clientes enquanto não são atendidos, e pelo posto de atendi-
mento. Independentemente de termos um sistema produtivo industrial
ou uma prestação de serviços, o posto de atendimento costuma repre-
sentar um capital da empresa, que pode ser maquinário ou humano.
Em um supermercado, o posto de atendimento é o caixa, que é um ser
humano (apesar de, atualmente, muitos supermercados contarem com
totens de pagamento em autosserviço), já em uma fábrica, o posto de
atendimento pode ser um robô que execute uma ação, como soldar ou
empacotar os produtos fabricados. Em ambas as situações, há um custo
envolvido, o funcionário precisa receber seu salário, e a empresa deve,
também, arcar com seus encargos junto ao governo, e a máquina consome
energia elétrica e insumos de manutenção além da própria atividade de
manutenção que agrega custo à máquina. Então, a dúvida que fica é, há
meios de determinar a melhor quantidade de postos de atendimento em
um sistema de filas? Vale a pena evitar a formação de fila totalmente?
É importante entender que a análise de um sistema de filas leva a um
estudo estatístico dos dados que geram a fila. Logo, o componente aleató-
rio de chegada e/ou atendimento traz uma incerteza quanto à regularida-
de de chegada dos clientes ou do atendimento destes. Ou seja, você pode
ter, durante duas horas, nenhum cliente chegando e, num intervalo de
10min, duzentas pessoas chegando. Observe que, nas duas horas em que
não chega nenhum cliente, não há formação de fila, mas nos 10min em
que chegam os duzentos clientes só não haveria fila se houvesse um posto
de atendimento para cada um, ou seja, duzentos postos de atendimento,
um absurdo! Se fosse um posto de gasolina, seriam duzentas bombas
instaladas aguardando este momento do dia, da semana ou do mês em
que houvesse a necessidade de atender a toda esta demanda. Observe
que não podemos dimensionar um sistema de filas para a demanda de
pico, isso elevaria os custos de operação, instalação e manutenção do
sistema, mas também não devemos dimensionar o sistema de filas para
a menor demanda, pois uma demanda intermediária já seria suficiente
para levar à formação de uma fila desagradável que poderia se tornar
insustentável. Logo, a solução é: Equilíbrio. É este equilíbrio que busca-
remos nesta unidade, e, nossa fonte de análise para o equilíbrio, serão os
custos envolvidos no sistema de filas estudado.
64
UNIDADE 3
Para você começar a entender como funciona esta análise dos custos de um sistema de filas, con-
sidere que você está trabalhando em uma empresa que tem seus próprios caminhões de transporte
de carga. Ela utiliza seus caminhões para levar produtos até o porto, onde serão descarregados para
exportação. Você é responsável por analisar a logística de transporte da empresa, mas está preocupado
com o tempo de manutenção que a oficina consome em cada caminhão, lembrando que caminhão
parado é caminhão não transportando carga que é vendida. Se a empresa conta com quatro mecânicos
que saem para ela a um custo de R$9,70/h, responsáveis pela manutenção e que, atualmente, há, em
média, cinco caminhões aguardando no pátio da oficina para serem atendidos na manutenção, e cada
um tem um custo, por estar parado, de R$52,00/h, faça uma estimativa do custo total horário (por hora)
deste sistema de fila. Separe o custo total em duas parcelas, uma relacionada aos caminhões parados
e outra relacionada ao processo de manutenção dos caminhões.
Como ainda estamos tratando de problemas que envolvem Teoria das Filas, vários dos elementos
estudados nas unidades anteriores podem ser utilizados nesta unidade. Os conceitos já vistos apenas
se somam aos que você verá nesta unidade, portanto, antes de continuar, observe o exercício que foi
proposto para você analisar o sistema de filas, anote em seu Diário de Bordo quais foram as informações
principais que você teve que considerar para encontrar o custo total horário do sistema.
DIÁRIO DE BORDO
Na segunda unidade do livro, você aprendeu a utilizar diversos modelos de filas que contam com um
comportamento exponencial dos dados de chegada e de atendimento dos clientes, mas nem sempre isso
acontece. Existem outros modelos estatísticos, como a distribuição de Erlang, ou, até mesmo, situações
em que os tempos do processo de chegada ou do processo de atendimento seguem uma constante fixa
(HILLIER; LIEBERMAN, 2013). Antes de estudarmos com mais profundidade os custos do sistema
de filas, entenderemos um pouco mais sobre estes tipos de sistema para que você possa ter em mãos
uma grande quantidade de opções de modelos de filas para trabalhar.
65
UNICESUMAR
No modelo M/G/1/∞/FIFO, admite-se que o processo de chegada de clientes as-

sume um comportamento exponencial de Poisson, havendo apenas um atendente
no sistema de fila analisado. Os tempos de atendimento não têm uma distribuição
específica, por este motivo, a simbologia G, de geral, é utilizada. No entanto este tipo
de problema pode ser muito comum e não é não complicado de resolver, pois seu
equacionamento exige o conhecimento da média de atendimento, expressa pelo
inverso de μ e da variância (σ2) dos dados que formam a distribuição dos tempos de
atendimento. Como de praxe, o sistema é estável quando a taxa de ocupação é menor
do que 1, e neste caso:
λ
ρ 1
µ
Para este modelo, o equacionamento para analisar os parâmetros de fila são:
λ 2σ 2 ρ 2
NF Número médio de clientes na fila NF
2 1 ρ
NS Número médio de clientes no sistema NS ρ NF
NF
TF Tempo médio do cliente na fila TF
λ
1
TS Tempo médio do cliente no sistema TS TF
µ
λ
µ
P0 Ociosidade do sistema (probabilidade de n = 0) P0 1 ρ
Observe que, apesar de o modelo ser aplicado a casos mais gerais de dinâmica de
atendimento, seu equacionamento é bem simples. A equação de NF é conhecida
como Fórmula de Pollaczek-Khinchine em homenagem a Felix Pollaczek e Alek-
sandr Khinchine, que publicaram esta equação, em 1930, no início dos estudos em
Teoria das Filas.
Você precisa lembrar que a variância aqui apresentada pela letra grega sigma re-
fere-se à variância populacional, e não amostral, assim, subintende-se que o conjunto
de dados que você tem em mãos para os tempos de atendimento representam todo o
conjunto de dados que você pode utilizar. O cálculo da variância dependerá do tipo
de distribuição de probabilidade que caberá em G, ou seja, quando a distribuição for
exponencial, o modelo M/G/1/∞/FIFO se reduz ao modelo M/M/1/∞/FIFO cuja
variância assume o seguinte cálculo:
1
σ2 = 2
µ
66
UNIDADE 3
A substituição desta variância nas equações apresentadas retorna às equações já discutidas, na Unida-
de 2, para o modelo de fila M/M/1/∞/FIFO, sendo assim, podemos entender que este seria um caso
específico do modelo geral. Outros exemplos de casos específicos a este são os modelos M/Ek/1/∞/
FIFO (distribuição de Erlang) e M/D/1/∞/FIFO (distribuição Degenerada para tempos constantes),
nestes dois casos, a variância tem a seguinte equação:
1
σ 2 2 Distribuição de Erlang
kµ
σ 2 0 Distribuição Degenerada
Estes dois modelos serão vistos logo a seguir, mas, antes, façamos um exemplo geral sobre o modelo
M/G/1/∞/FIFO.
01. EXEMPLO Uma loja de doces apresenta um sistema delivery de produtos, utilizando apenas
um entregador com um veículo utilitário para fazer o atendimento aos clientes.
Como estão surgindo algumas reclamações sobre demora na entrega do pedido, o
proprietário do estabelecimento está analisando a possibilidade de contratar mais
um entregador. O que se sabe é que chegam, em média, 4 pedidos/h, seguindo uma
distribuição de Poisson, e que o entregador consegue atender cada pedido, em média,
a cada 10min, com um desvio padrão de 2min. Analise os parâmetros deste sistema
de filas, indicando o tempo que demora para que um pedido seja atendido, em mé-
dia, bem como a quantidade de pedidos que fica aguardando atendimento na fila. O
entregador está, realmente, sobrecarregado?
Solução: A distribuição de probabilidade dos dados de chegada de pedidos é
de Poisson, logo, atende aos requisitos do modelo Markoviano. Já o atendimento
não tem uma distribuição especificada, como o desvio padrão de suas medidas são
conhecidas, podemos adotar como referência um modelo geral para o atendimento.
Assim consideramos um modelo M/G/1/∞/FIFO. Os parâmetros conhecidos são:
λ 4 pedidos/ h
1 pedido 60 min
µ= . 6 pedidos/ h
10 min 1h
1h 1
σ 2 min h (desvio padrão)
60 min 30
2
2 1 1 2
σ h h (variância)
30 900
67
UNICESUMAR
Os parâmetros de fila então se tornam:

λ 4
ρ Taxa de ocupação (utilização) do sistema ρ 0, 67
µ 6
1
42 0, 67
2
λ 2σ 2 ρ 2 900
NF Número médio de clientes na fila NF 0, 693 pedidos/ h
2 1 ρ 2 1 0, 67
NS Número médio de clientes no sistema NS ρ NF 0, 67 0, 693 1, 36 pedidos/ h
NF 0, 639
TF Tempo médio do cliente na fila TF 0, 173h 10, 4 min
λ 4
1 1
TS Tempo médio do cliente no sistema TS TF 0, 173 0, 34 h 20, 4 min
µ 6
Pelos cálculos, observa-se que em média um pedido fica na fila 10,4min, sendo que o cliente receberá,
em média, o pedido em sua casa em 20,4min. Há menos de um pedido aguardando na fila por hora
(0,693 pedidos/h), e a taxa de ocupação do entregador está em 67%. Nota-se, então, que o tempo de
atendimento aos pedidos não é tão grande que justifique a contratação de outro entregador.
O modelo M/D/1/∞/FIFO adota como referência para o comportamento dos dados de atendi-
mento uma constante, ou seja, os tempos de atendimento são uniformes, praticamente sem variação.
Não há uma distribuição de probabilidade que os represente, não de acordo com as que foram vistas
até agora, pois os valores não são aleatórios. Nesta condição, a variância dos dados de atendimento
é zero, mas ainda há variabilidade estatística nos dados de chegada de clientes seguindo uma distri-
buição exponencial. Ao adotar variância zero, as equações que representam os parâmetros de filas
podem ser obtidas diretamente das equações do modelo geral M/G/1/∞/FIFO, assumindo o formato
(FOGLIATTI; MATTOS, 2007):
ρ2
2 1 ρ
NF
λ
1
µ
λ
µ
P0 Ociosidade do sistema (probabilidade de n = 0) P0 1 ρ
Observando as equações apresentadas, verifica-se que a única a sofrer modificação comparada ao mo-
delo geral é a equação do número médio de clientes na fila (NF), mas como todas as demais dependem,
direta ou indiretamente, de NF, todos os valores serão modificados se o mesmo conjunto de dados for
aplicado aos dois modelos. Veja no Exemplo 2 como esse modelo pode ser aplicado.
68
UNIDADE 3
02. EXEMPLO Os tempos de chegada de peças em uma máquina de polir segue uma distribuição
exponencial de Poisson com média igual a 2 peças/min. A máquina é programada
para executar a operação de polimento de cada peça de maneira uniforme e constante
em um intervalo de tempo de 20s. Avalie este sistema de fila apontando os tempos
consumidos no sistema e na fila bem como as quantidades de peças que ficam no
sistema e na fila. A máquina apresenta uma ocupação acima de 50%.
Solução: Como os tempos de chegada seguem uma distribuição exponencial, e os
tempos de atendimento são constantes, o modelo M/D/1/∞/FIFO pode ser utilizado
para este modelo, precisamos apenas das taxas médias de atendimento e de chegada
que, neste caso, serão:
λ = 2 peças/ min
1 peça 60 s
µ= . = 3 peças/ min
20 s 1 min
Utilizando estes parâmetros nas equações do modelo, teremos:

λ 2
µ 3
ρ2 0, 6672
NF Número médio de clientes na fila NF 0, 668
2 1 ρ 2 1 0, 667
NS Número médio de clientes no sistema NS ρ NF 0, 668 0, 667 1, 335
NF 0, 668
TF Tempo médio do cliente na fila TF 0, 334 min 20 s
λ 2
1 1
TS Tempo médio do cliente no sistema TS TF 0, 334 0, 667 min 40 s
µ 3
Neste sistema, observa-se uma taxa de ocupação de 66,7%, acima de 50%, bem como
uma quantidade de peças na fila equivalente a 0,668 peças/min, havendo um tempo
de espera de 20s na fila e com os 20s de atendimento, a peça entra no sistema de
polimento e sai depois de 40s em média, já polida.
Olá, convido você a ouvir este Podcast da terceira unidade do livro

Simulação de Processos Produtivos. Nele, você verá um exemplo de
aplicação da Teoria das Filas em caso real de uma indústria.
69
UNICESUMAR
Vamos falar um pouco, agora, de um modelo de distribuição que pode representar

grande quantidade de processos, a distribuição de Erlang. O modelo M/Ek/1/∞/
FIFO caracteriza-se por apresentar os dados de atendimento distribuídos de acordo
com a distribuição de probabilidade de Erlang e os dados de chegada seguindo uma
distribuição exponencial. A distribuição de Erlang apresenta a seguinte equação:
f t
k k t k 1e k t , para t 0
k 1!
Nesta equação, f(t) é a densidade de probabilidade para a ocorrência do evento no
tempo t, e os parâmetros μ e k são estritamente positivos, além de k ser um número
inteiro. O parâmetro k especifica o grau de variabilidade dos tempos de atendimento
em relação à média e é conhecido, também, como parâmetro de forma. Com a distri-
buição de Erlang, a média e o desvio padrão dos dados seguem o seguinte formato:
1
Média =
µ
1 1
σ= .
k µ
O comportamento desta distribuição de probabilidade leva ao entendimento de que

o atendimento pode ser realizado em k etapas sequenciais, sendo que o tempo de
atendimento de cada etapa apresenta comportamento exponencial. Se isso ocorrer,
o conjunto das etapas de atendimento levará a uma distribuição de Erlang, e k re-
presentará a quantidade de etapas utilizadas no atendimento. Para este modelo com
um atendente, as equações dos parâmetros da fila são:
ρ 2 k 1
2k 1 ρ
ρ k 1
2k µ 1 ρ
ρ 2 k 1 1
TS Tempo médio do cliente no sistema TS
2kλ 1 ρ µ
λ
ρ Taxa de ocupação (utilização) do sistem
ma ρ
µ
Observe que as equações deste modelo de fila apresentam como parâmetros as taxas
médias de chegada e atendimento, mas também a constante k que representa em quantas
etapas o atendimento é subdividido. Veja no Exemplo 3 uma aplicação deste modelo.
70
UNIDADE 3
03. EXEMPLO Uma padaria recebe encomendas de salgados vendendo pacotes de 50 unidades cada,
pré-assados. Como a padaria já tem alguns produtos congelados, após o pedido, os
produtos são embalados e enviados ao entregador que leva até o cliente. O dono da
padaria quer verificar, em média, quanto tempo os clientes que utilizam o serviço
ficam aguardando. Um levantamento feito no último mês mostrou que os pedidos
chegam a uma taxa média de 3 por hora, seguindo uma distribuição exponencial, e
o atendimento aos pedidos ocorre em duas etapas, o envio até o cliente e o retorno
do entregador, pois, somente depois que o entregador retorna, ele está disponível
para atender a um novo pedido. Estas duas etapas de atendimento, individualmente,
seguem uma distribuição exponencial com média 8 min cada. Avalie este sistema e
determine o tempo médio de espera de cada cliente.
Solução: Como sabemos que o tempo médio de chegada tem comportamento de
uma distribuição exponencial, e que o processo de atendimento tem duas etapas e
cada uma tem comportamento exponencial, bem como há um entregador, podemos
utilizar o modelo M/E2/1/∞/FIFO. Os parâmetros para entrada no modelo serão:
λ = 3 pedidos/h
1 pedido 60 min
µ= . = 3, 75 pedidos/min
16 min 1h
k=2
Os parâmetros da fila, então:
λ 3
µ 3, 75
ρ 2 k 1 0, 82 2 1
F Número médio de clientes na fila
NF NF 2, 4 pedidos / h
2k 1 ρ 2 2 1 0, 8
NS Número médio de clientes no sistema NS ρ NF 0, 8 2, 4 3, 2 pedidos / h
ρ k 1 0, 8 2 1
TF Tempo médio do cliente na fila TF 0, 8h 48 min
2k µ 1 ρ 2 2 3, 75 1 0, 8
ρ 2 k 1 1 NF 1
TS Teempo médio do cliente no sistema TS
2kλ 1 ρ µ λ µ
2, 4 1
1, 067 h 64 min
3 3, 75
Pela análise do sistema, há uma taxa de ocupação do entregador de 80%, o que leva os
clientes a aguardarem, em média, 48min na fila e 64min até receberem seus pedidos.
71
UNICESUMAR
Agora, e se os tempos de entrada não tiverem seus tempos com distribuição exponencial e o aten-
dimento seguir um comportamento exponencial? É o que você verá a seguir tendo como exemplo a
distribuição de Erlang para os dados de entrada.
No modelo Ek/M/1/∞/FIFO, admite-se que os tempos de chegada de clientes ao sistema é re-
presentado pela distribuição de Erlang, ou seja, como se cada cliente tivesse que executar k etapas
sucessivas até ser atendido no sistema que, por sua vez, possui um posto de atendimento executando
a operação com tempos representados por distribuição exponencial. O modelo que representa este
sistema de filas é apresentado a seguir:
k 1
Polinômio característico µr k λ µ r k λ 0
λ
NF Número médio de clientes na fila NF NS
µ
1
NS Número médio de clientes no sistema NS

µ 1 r
k
1
TF Tempo médio do cliente na fila TF TS
µ
NS
λ
λ
µ

λ
µ k
1 r r
k n 1
1 r
P0 Ociosidade do sistema (probabilidade de n = 0) P0
k
Note que, para resolvê-lo, é necessário criar um polinômio característico cujo parâmetro é r e resol-
vê-lo igualando o polinômio a zero. É importante, aqui, ressaltar que r é a raiz do polinômio que está
entre 0 e 1, ou seja, é aceito apenas o valor:
r <1
Com este parâmetro, todos os demais parâmetros de fila podem ser calculados. Veja no Exemplo 4
como isso pode ser feito.
72
UNIDADE 3
04. EXEMPLO Em um sistema de fila, os clientes (usuários) chegam ao sistema segundo uma distri-
buição de Erlang do tipo 2 (k=2) com média de 25 minutos. Um atendente é respon-
sável por receber e prestar o atendimento aos clientes, executando a atividade com
tempos, exponencialmente, distribuídos com média de 20 minutos. Não há limitação
quanto à quantidade de elementos que podem ficar na fila. Analise o sistema e calcule
o tempo médio dos clientes da fila e no sistema.
Solução: Como os tempos de entrada são distribuídos segundo Erlang do tipo 2,
e os dados de atendimento são distribuídos segundo uma distribuição exponencial,
podemos utilizar o modelo E2/M/1/∞/FIFO. Os parâmetros para este sistema e o
polinômio característico são:
1 cliente 60 min
λ 2, 4clientes/h
25 min 1h
1 cliente 60 min
µ= . 3 clientes/h
20 min 1h
k=2
k 1 3
µr k λ µ r k λ 0 3r 7, 8 r 4, 8 0
Para encontrar a raiz do polinômio característico que está entre 0 e 1, utilizaremos

o Atingir Meta do Excel. Como nosso polinômio tem grau 3, não podemos aplicar
Bháskara para resolvê-lo. Sendo assim, você pode representar uma célula para a
variável r e outra para a equação do polinômio, como apresentado na Figura 1.
Figura 1 - Células para preenchimento do polinômio característico / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem células do Excel, estando na célula G2 a letra “r” e, na célula H2,
a palavra “polinômio”.
Você pode, agora, escrever o polinômio encontrado utilizando como referência a

célula escolhida para receber os valores de “r”, como apresentado na Figura 2.
73
UNICESUMAR
Figura 2 - Inserção da equação do polinômio característico na planilha do Excel / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma parte da planilha do Excel, na célula H3, está escrita a equação
do polinômio característico do Exemplo 4, aparecendo 3*G3^3-7,8*G3+4,8.
Para resolvê-lo, você acessará a aba Dados, clicará em Teste de Hipótese e selecionará
Atingir Meta, como apresentado na Figura 3.
Figura 3 - Selecionando o Atingir Meta do Excel em Teste de Hipóteses presente na aba Dados / Fonte: o autor.
Descrição da Imagem: na imagem aparece a barra de ferramentas do Excel na aba Dados, onde está selecionado o Teste de Hipóteses
e o Atingir Meta.
Ao abrir o Atingir Meta, você terá uma janela com três campos,“Definir célula”,“Para
valor” e “Alternando célula”, no campo “Definir célula” você seleciona a célula em que
está presente a equação do polinômio que será calculada, em “Para Valor”, coloque
o número zero (0), e, no campo “Alternando célula”, selecione a célula da variável “r”,
como apresentado na Figura 4.
Figura 4 - Janela do Atingir Meta completa / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do Atingir Meta com o campo “Definir célula” preenchido
com a célula H3 onde se calcula o polinômio característico, no campo “Para valor” aparece o número zero, e o
campo “Alternando célula” está preenchido com a célula G3 onde aparecerá o valor da variável “r”.
74
UNIDADE 3
Depois de preenchido, você pode clicar em OK. O resultado aparecerá como mos-
trado na Figura 5.
Figura 5 - Resultado do Atingir Meta para o polinômio característico / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem algumas células do Excel com a solução do polinômio caracte-
rístico. Na célula G2, aparece a letra “r”, na célula G3, aparece o número 0,85977, na célula H2, aparece escrito
“polinômio”, e, na célula, G3 aparece o número 0,000433797.
O resultado encontrado é 0,85977 para a variável r , que levará o polinômio a, pra-

ticamente, zerar (0,000433797). O Atingir Meta é uma função do Excel que serve
para calcular o valor de uma variável que levaria sua função a um resultado esco-
lhido. Esta função é muito útil para encontrar raízes de equações de difícil análise.
Observe, na Figura 4, que dissemos para o Excel para que ele encontrasse o valor da
variável r que retornaria zero para o polinômio. Como esse cálculo é realizado por
Métodos Numéricos, ele encontrará valores aproximados por ser difícil determinar
uma solução exata. No entanto os resultados encontrados são satisfatórios, pois
podemos considerar que 0,000433797 é praticamente zero. Aqui vale uma obser-
vação: O polinômio característico tem grau 3, logo, deve ter 3 raízes, e todas podem
ser encontradas pelo Atingir Meta, mas o método utilizado determinará a raiz mais
próxima do valor que você definir no campo da variável r . Como deixamos a célula
em branco, o Excel entende que ali vale zero e não tem problema, pois nós buscamos
justamente um valor de r entre 0 e 1. Se nós tivéssemos preenchido na célula G3 o
número -10 e, depois, preenchido o Atingir Meta, ele retornaria como solução para
r o valor -1,886015 (faça o teste) que é outra raiz do polinômio, mas que para nós
não tem interesse. Então, podemos entender que, para nosso objetivo, basta seguir as
etapas apresentadas nas Figuras de 1 a 4 mantendo a célula da variável r em branco
ou com o número zero que encontraremos o valor desejado.
75
UNICESUMAR
Agora que conhecemos o valor de r , podemos calcular os demais parâmetros da fila:

r 0, 86
2, 4
3
1 1
NS Número médio de clientes no sistema NS 1, 28 clientes/h

µ 1 r
k

3 1 0, 862
λ 2, 4
NF Número médio de clientes na fila NF NS 1, 28 0, 48 clientes/h
µ 3
NS 1, 28
TS Tempo médio do cliente no sistema TS 0, 533h 31, 98 min 32 min
λ 2, 4
1 1
TF Tempo médio do cliente na fila TF TS 0, 533 0, 1997 h 11, 98 min 12 min
µ 3
Observe que aproximamos o valor de r para duas casas decimais e isso retorna como
resultado um tempo médio dos clientes no sistema de 32min e na fila de 12min. Mes-
mo assim, por hora, há menos de um cliente aguardando na fila, e a taxa de ocupação
do sistema está em 80%.
Diversos outros modelos podem ser utilizados para representar sistemas de filas com outras particula-
ridades, como dados de chegada e de atendimento, seguindo uma distribuição de Erlang, ou os mesmos
modelos vistos anteriormente, mas tendo mais de um atendente. Alguns tipos de modelos só podem ser
resolvidos utilizando Métodos Numéricos, por este motivo, algumas referências trazem tabelas ou gráficos
com possíveis resultados para tais modelos. Recomendo fortemente que, caso você tenha interesse em
estudar mais modelos de filas ou se depare com algum sistema que não foi abordado até aqui, consulte
as referências bibliográficas apresentadas para esta unidade que você terá acesso a uma gama grande de
possibilidades e tipos de modelos de filas. Agora, falaremos sobre custos envolvidos no sistema de filas.
Na Figura 6, você pode observar um gráfico que compara os custos gerenciais (Cg) com os custos do
usuário (Cu), este gráfico é bem interessante, pois permite avaliar como estes custos se correlacionam.
Neste momento, creio que você tem mais maturidade para entender esta figura e observar que, quanto
mais postos de atendimento são acrescentados ao sistema de filas, maior será o custo gerencial, pois a
empresa deve pagar por estes postos de atendimento, seja com salários, seja com manutenção de máqui-
nas. Por outro lado, se a empresa diminui a quantidade de postos de atendimento, seus custos gerenciais
se reduzem, mas haverá mais demora em atender o cliente, o que acaba elevando o custo do usuário, ou
seja, há formação de filas mais longas. A composição do custo para análise do sistema de filas deve ser
feita por completo, considerando estes dois custos em separado e buscando um equilíbrio entre eles.
76
UNIDADE 3
Custos C gerenciais
C usuário
Figura 6 - Custos para o usuário e para a gerência em função do número de postos de atendimento
Fonte: adaptada de Fogliatti e Mattos (2007).
Descrição da Imagem: na imagem, há um gráfico com dois eixos, o eixo horizontal representa o “número de
postos de atendimento”, e o eixo vertical representa “custos”. Há duas curvas neste gráfico, uma curva crescente
da esquerda para a direita, que representa “Custos gerenciais”, e outra curva decrescente da esquerda para a
direita, que representa “Custos para o usuário”.
Segundo Taha (2008), a equação que pode representar este custo total procura equili-
brar estes dois custos que, muitas vezes, são conflitantes, o custo de oferecer o serviço
(gerencial) e o custo da demora na oferta do serviço (usuário). Uma expressão para
este custo seria:
ETC(x) = EOC(x) + EWC(x)
Sendo :
x = nível de serviço (m ou s)
ETC = Custo to otal esperado por unidade de tempo
EOC = Custo esperado de operação do o sistema por unidade de tempo
EWC = Custo esperado de espera por unidaade de tempo
Observe que x representa ou a taxa média de atendimento ou a quantidade de postos

de atendimento. Logo, esta equação pode ser útil para otimizar o sistema, buscando
o melhor nível de serviço, que traga um equilíbrio entre os custos, como apresentado
na Figura 7.
77
UNICESUMAR
C TOTAL C gerenciais
Custos
C usuário
Figura 7 - Função custo total e seu ponto de equilíbrio / Fonte: adaptada de Fogliatti e Mattos (2007).
Descrição da Imagem: na imagem, há um gráfico com dois eixos: o eixo horizontal representa o “número de postos de atendimento”, e
o eixo vertical representa “custos”. Há três curvas neste gráfico: uma curva crescente da esquerda para a direita, que representa “Custos
gerenciais”, outra curva decrescente da esquerda para a direita, que representa “Custos para o usuário”, e uma curva acima das duas
primeiras em formato de “U”, que representa o “Custo total”, do ponto mais baixo da curva de “Custo total” sai uma linha tracejada
vertical até tocar o eixo horizontal do “número de postos de atendimento”.
Cada parcela que compõe o custo total (ETC) tem sua forma de cálculo e sua interpretação. O EOC é
dependente da quantidade de postos de atendimento, de atendentes que se tem no sistema ou, até mes-
mo, da velocidade de atendimento, e EWC é dependente do número de clientes presentes no sistema,
pois podemos entender que, se o cliente está no sistema ainda não está disponível para outra atividade
até que deixe, de fato, o sistema. Logo, uma equação geral para o custo total (ETC) seria:
ETC(x) = C x x+ C w NS
Sendo :
x = nível de serviço (m ou s)
ETC = Custo total esperado por unidade de tempo (R $)
C x = Custo marginal por unidade de x, por unidade de tempo
C w = Custo marginal por unidade de tempo, por cliente
NS = Número médio de clientes ou usuários no sistemaa
O Cx que representa o custo operacional está associado ao custo da empresa para manter o serviço
funcionando, geralmente, é representado pelo salário pago por hora para o(s) funcionário(s) que
atua(m) no posto de atendimento. Caso haja outros custos no atendimento, como custos de insumos,
matéria-prima, manutenção de máquina, estes podem ser agregados ao custo do salário para que se
tenha um valor mais aproximado do que realmente ocorre no sistema. O Cw é representado pelos custos
associados à espera do cliente na fila antes de ser atendido. Se o cliente for funcionário de determinado
setor que está parado, não produzindo, aguardando um atendimento, seu custo horário pode entrar
como Cw, pois a empresa está pagando para ele produzir, mas ele não está executando esta tarefa.
78
UNIDADE 3
Quando os clientes são máquinas de um processo, o custo de espera (Cw) pode

ser representado pelo quanto o processo deixa de produzir por ela estar parada, ou
pela queda de produtividade que se tem. Alguns tipos de sistema apresentam maior
dificuldade em determinar Cw, principalmente quando o cliente é externo, como no
caso da fila de um supermercado. Não é simples ou direto determinar o custo do
cliente esperando na fila, mas algumas alternativas podem ser adotadas, como valorar
o ticket médio gasto no supermercado e considerar que o cliente tem probabilidade
de não retornar ao local, buscando outro supermercado que tenha um atendimento
mais ágil, enfim, cada sistema terá sua particularidade e caberá ao analista do processo
em estudo avaliar a melhor maneira de determinar estes valores. Nesta unidade, ex-
ploraremos alguns exemplos que tornarão um pouco mais claras estas informações.
Veja nos Exemplos 5 e 6 como o custo total pode ser calculado quando x representa
a taxa média de atendimento ou a quantidade de postos de atendimento em paralelo.
05. EXEMPLO Uma gráfica está comprando impressoras laser para atender a uma demanda de im-
pressão de folders para empresas e está analisando qual tipo de impressora deve ad-
quirir. Como há espaço para apenas uma máquina, ela deve decidir qual dos modelos
adquirir. Na Tabela 1, são apresentados os modelos disponíveis para aquisição, seus
custos operacionais e suas capacidades de impressão em folhas coloridas tamanho A5.
Modelo Custo operacional (R$/h) Capacidade (folhas/min)

1 17 36
2 22 40
3 25 46
4 30 52
Tabela 1 - Custos operacionais e capacidades de impressão para os modelos de impressora disponíveis
no mercado / Fonte: o autor.
Pelo histórico da empresa, sabe-se que ela recebe em média 4 pedidos de impressão
por dia de 24h, sendo que, cada pedido contempla, em média 12.000 folhas A5. Ge-
ralmente ela estipula nos contratos com os clientes, uma multa de R$100,00/dia para
cada serviço atrasado, admite-se que os tempos de chegada de serviço e de produção
das máquinas seguem uma distribuição exponencial e não há restrição quanto à
quantidade de pedidos que chegam ou presentes no sistema. Avalie o custo total deste
sistema e apresente qual dos modelos a gráfica deve adquirir.
Solução: O modelo utilizado para representar este sistema de filas pode ser o
M/M/1/∞/FIFO, devido à condição de comportamento exponencial dos dados de
tempo e por ser utilizada apenas uma impressora. Como o tempo base é em dias,
todos os parâmetros serão levados a esta unidade de tempo para que os cálculos sejam
79
UNICESUMAR
adequados. Neste caso, a taxa média de chegada para todas as máquinas é a mesma,
de 4 pedidos/dia, o que precisa ser calculado é a taxa média de atendimento de cada
máquina também em pedidos/dia, sendo assim, admitindo que cada pedido tem
12.000 páginas, e utilizando as capacidades de impressão de cada máquina, as taxas
médias de atendimento de cada uma podem ser calculadas como segue:
Máquina1
páginas
12.000
pedido 1h 5, 56h
Tempo médio por serviço =
36
páginas 60 min pedido
min
1pedido 24h
1 4, 32 pedidos/ dia
5,56h 1dia
Máquina 2
páginas
12.000
pedido 1h 5h
40
min
1pedido 24h
5h 1dia
Máquina 3
páginas
12.000
pedido 1h 4, 35h
46
min
1 pedido 24h
4,35h 1dia
Máquina 4
páginas
12.000
pedido 1h 3, 85h
52
min
1pedido 24h
3,85h 1dia
Com as taxas médias de atendimento calculadas, determinamos o número médio de
clientes no sistema NS para o modelo M/M/1/∞/FIFO.
80
UNIDADE 3
λ 4
NS1 12, 50 pedidos
µ1 λ 4, 32 4
λ 4
NS2 5, 00 pedidoss
µ2 λ 4, 80 4
λ 4
NS3 2, 63 pedidos
µ3 λ 5, 52 4
λ 4
NS4 1, 79 pedidos
µ4 λ 6, 23 4
Na Tabela 2, são apresentados os valores dos parâmetros de fila para cada máquina.
Modelo Pedidos/dia (λi) Pedidos/dia (μi) Pedidos (NSi)

1 4 4,32 12,50
2 4 4,80 5,00
3 4 5,52 2,63
4 4 6,23 1,79
Tabela 2 - Taxas de chegada e atendimento para cada modelo de impressora e número de pedidos em
fila para cada máquina / Fonte: o autor.
O custo operacional diário pode ser calculado multiplicando o custo por hora de
operação de cada máquina pelo tempo considerado para os pedidos que são 24h. O
custo de espera pode ser calculado pelo produto entre a multa de atrasar cada pedido
por dia pelo número médio de pedidos no sistema, assim, a equação de cálculo do
custo total (ECT) será:
ETC C x 24 100 NS
Máquina1
ETC1 C1 24 100 NS1 17 24 100 12, 50 R$1.658, 00
Máquina 2
ETC2 C2 24 100 NS2 22 24 100 5, 00 R$1.028, 00
Máquina 3
ETC3 C3 24 100 NS3 25 24 100 2, 63 R$863, 00
Máquina 4
ETC4 C4 24 100 NS4 30 24 100 1, 79 R$899, 00
81
UNICESUMAR
Para facilitar a análise, na Tabela 3, são apresentados os custos totais para cada má-
quina, e os custos operacionais e de espera em cada caso.
Modelo EOC (R$/dia) EWC (R$/dia) ETC (R$/dia)

1 408,00 1.250,00 1.658,00
2 528,00 500,00 1.028,00
3 600,00 263,00 863,00
4 720,00 179,00 899,00
Tabela 3 - Custos operacionais, de espera e totais para cada máquina de impressão / Fonte: o autor.
Observando os cálculos, para a demanda atual de 4 pedidos/dia com os custos de

cada máquina e a multa por atraso, verifica-se que a melhor opção para a empresa é a
aquisição da máquina 3, que, com uma taxa média de atendimento de 5,52 pedidos/
dia terá um custo total diário de R$863,00, o menor valor dentre as quatro opções.
Se você observar a Tabela 3 da solução do Exemplo 5, verá que o custo operacional aumenta
enquanto o custo de espera diminui. Como o custo unitário de espera, ou seja, a multa, tem
peso muito maior do que os custos operacionais unitários de cada máquina, a redução do custo
total de espera se acentua ao aumentar a capacidade de atendimento de impressão. Note que
no exemplo, a diferença entre as máquinas em termos operacionais são as taxas médias de
atendimento de cada uma. No entanto, também se verifica que aumentar, excessivamente,
esta capacidade de atendimento pode elevar os custos operacionais a tal ponto que torne a
escolha da máquina menos interessante.
Agora, vejamos um exemplo em que o que se busca é avaliar a quantidade de postos de atendimento
que deve ser utilizada para atender a determinada solicitação.
06. EXEMPLO Uma fábrica de óleo comestível tem uma oficina mecânica responsável por executar
a manutenção de suas máquinas. Certa etapa do processo conta com dez máquinas
operando em paralelo, que, em conjunto, atendem à demanda estabelecida pela ge-
rência. No entanto as máquinas possuem um desgaste excessivo o que as leva para
manutenção com frequência. Em média, duas máquinas seguem para manutenção,
diariamente, e cada funcionário da manutenção consegue atender até três máquinas
por dia. O custo de cada máquina parada, que implica redução na produção é de
R$42,00/h, e o custo da mão de obra de cada funcionário da oficina é de R$25,00/h.
82
UNIDADE 3
Se um dia de trabalho a ser considerado tem 24h, e admitindo que os tempos de

chegada de máquina na manutenção e de execução do serviço sigam uma distribui-
ção exponencial, determine a quantidade de funcionários da oficina que deve ser
destinada à manutenção destas máquinas para que o custo total diário seja o menor
possível, sabendo que a empresa entende que pode contratar até cinco funcionários.
Solução: Como os dados de chegada e atendimento seguem uma distribuição
exponencial, entendemos que o modelo será Markoviano do tipo M/M, há apenas
dez máquinas no sistema, então, a população é finita, e estamos interessados em
analisar a quantidade de funcionários (postos de atendimento) que deve ser utili-
zada. Portanto, o modelo a ser utilizado na análise será o M/M/s/K/∞/FIFO. Para
resolver este problema, precisamos avaliar o custo total para diferentes valores de s,
os parâmetros conhecidos são:
K=10
λ = 2 máq/ dia
µ = 3 máq/ dia
A equação do custo total considerará o custo de operação, a quantidade de funcio-

nários, o custo de máquina parada e a quantidade de máquinas no sistema, como a
base de cálculo é dia, os custos de operação e de espera deverão ser multiplicados
por 24h, sendo assim, teremos:
ETC C x s CU NS
ETC 25 24 s 42 24 NS 600 s 1008 NS
Para cálculo de NS, utilizamos as equações do modelo M/M/s/K/∞/FIFO, abordadas

na Unidade 2.
λ
r
µ
1
s 1 K! K
K!
P0 rn r n

n 0 K n ! n ! n s K n ! s ! s ns

s 1 K !n 1 K K !n
NS P0 rn r n

n 0 K n ! n ! s ! n s K n ! s n s

Como precisamos avaliar o custo para diferentes valores de s, teremos diferentes

resultados para NS, trabalhado com s de 1 a 5, teremos os seguintes resultados.
83
UNICESUMAR
λ 2
r 0, 67
µ 3
para s=1
1
11 10 ! 10
10 !
P0 |s 1 rn r n
3, 5 106
n0 10 n !n !

n 1 10 n !1!1
n 1

11 10 !n 1 10 10 !n
NS1 P0 |s 1  r
n
r n
8, 5
n0 10 n !n ! 1! n1 10 n !1n1

para s=2
1
21 10 ! 10
10 !
P0 |s 2 rn r n
4, 1 104

n 0 10 n ! n ! n 2 10 n !2 !2 n 2

21 10 !n 1 10 10 !n
NS2 P0 |s 2  rn r n
7, 0

n 0 10 n ! n ! 2 ! n 2 10 n !2 n 2

para s=3
1
31 10 ! 10
10 !
P0 |s 3 rn r n
2, 37 103

n 0 10 n ! n ! n 3 10 n !3 !3 n 3

31 10 !n 1 10 10 !n
5, 63
n0 10 n !n ! 3! n3 10 n !3n3

para s=4
1
4 1 10 ! 10
10 !
P0 |s 4 rn r n
4, 55 103

n 0 10 n ! n ! n 4 K n ! 4 ! 4 n4

4 1 10 !n 1 10 10 !n
4, 68

n 0 10 n ! n ! 4 ! n 4 10 n ! 4 n4

para s=5
1
51 10 ! 10
10 !
P0 |s 5 rn r n
5, 62 103

n 0 10 n ! n ! n 5 10 n !5 !5 n 5

51 10 !n 1 10 10 !n
4, 22

n 0 10 n ! n ! 5 ! n 3 1 0 n !5 n 5

Com os valores de NS, podemos calcular os custos totais para cada situação:
84
UNIDADE 3
ETC1 600 1 1008 8, 50 9.168, 00

ETC2 600 2 1008 7, 00 8.256, 00
ETC3 600 3 1008 5, 63 7.475, 04
ETC4 600 4 1008 4, 68 7.117, 44
ETC5 600 5 1008 4, 22 7.253, 76
Observando os custos totais, verifica-se que a melhor opção é a de s = 4, ou seja, serão

4 funcionários na oficina para manutenção das máquinas, de maneira que o custo
total seja de R$7.117,44/dia.
Veja que, ao acrescentar o componente de custo ao sistema de fila, você pode otimizar as
condições operacionais. A partir deste ponto, você não apenas será um analista da situação,
mas poderá atuar sobre ela e, ao indicar uma modificação no sistema, você terá condições de
sugerir mudanças com mais segurança.
Agora, será que é possível analisar a quantidade de postos de atendimento ou a taxa de atendimento
que leve ao menor custo total sem precisar avaliar um a um? Podemos utilizar o recurso do Solver
com otimização não linear para resolver este problema. O processo de otimização em si dos modelos
de fila passa pela derivação das equações do modelo condicionada ao menor custo possível, mas isso
pode gerar um sistema de equações diferenciais que, em alguns casos será resolvido, numericamente.
No Exemplo 7, você verá como o Solver pode ajudar nesta situação.
07. EXEMPLO Uma empresa fornece ferramentas para seus funcionários do processo, utilizando um
almoxarifado. Os funcionários do processo precisam retirar ferramentas específicas
para execução do serviço e as devolver ao almoxarifado. O processo de devolução é
rápido, bastando que o funcionário entregue a ferramenta sobre um balcão e assine
a ficha de devolução, mas o processo de pegar a ferramenta é mais demorado, pois o
almoxarife precisa buscar a ferramenta desejada e terminar de preencher a ficha de
solicitação. Por este motivo, a gerência da empresa deseja avaliar qual seria a melhor
quantidade de almoxarifes que levaria a um custo menor do sistema. O custo de cada
almoxarife é de R$32,00/h, e o custo de cada ferramenteiro parado aguardando para
pegar a ferramenta necessária é de R$51,00/h. Se chegam, em média, 100 clientes por
hora no almoxarifado, e cada almoxarife tem, em média, capacidade de atender 60
clientes por hora, ambos seguindo uma distribuição exponencial, analise este sistema
de fila e selecione a quantidade de almoxarifes que leva a um menor custo do processo.
85
UNICESUMAR
Solução: Primeiro identificamos que se trata de um modelo M/M/s/∞/FIFO, logo,

o equacionamento que deve ser empregado para resolver o problema será:
ETC C x s CU NS
s
P0 λ / µ ρ
NF Número médio de clientes na fila NF 2
s !1 ρ
NF
λ
1
µ
1 λ
NS Número médio de clientes no sistema NS λ TF NF
µ µ
λ / µ n
P0 se 0 n s
n!
n
λ / µ
P0 se n s
s ! s ns
λ
sµ
1
s 1 λ / µ n λ / µ s 1
P0 Ociosidade do sistema (probabilidade de n = 0) P0
n 0 n ! s ! 1 λ / sµ

Todo este equacionamento pode ser inserido no Excel, junto aos parâmetros já co-
nhecidos e iniciando com s = 2, como apresentado na Figura 8.
86
UNIDADE 3
Figura 8 - Exemplo de preenchimento da planilha para o modelo M/M/s/infinito/FIFO para o Exemplo 7

Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma planilha do Excel; na linha 2, aparece o nome do modelo
utilizado M/M/s/infinito/FIFO, nas células A4 a A15 aparecem os títulos s, λ, μ, ρ, e os termos do somatório para
o cálculo de P0, também aparece P0, NF, TF, NS e TS. Os valores na coluna B da linha 4 até a linha 15 aparecem
os valores 2, 100, 60, 0,83, 2,67, 1,39, 6, 0,09, 3,79, 0,037, 5,45 e 0,054. Da célula E4 a G8 aparecem as células
do custo, com Cx, s, Cu, NS e ETC, os valores preenchidos são Cx igual a 32, s igual a 2, Cu igual a 51, NS igual
a 5,45 e ETC igual a 342,18.
Para realizar a análise do custo mínimo, utilizaremos uma planilha do Excel organi-
zada para calcular o custo total para sistemas de fila com diferentes quantidades de
atendentes (s), de maneira a facilitar a visualização das informações e os resultados
encontrados. Para tanto, montaremos a planilha com a primeira coluna contendo
os termos de entrada do problema e os termos que devem ser calculados. Na coluna
da frente serão inseridas as equações para calcular cada um dos termos necessários.
Observe na Figura 8, que os termos pertencentes a P0 foram separados em Somat (de
somatório) o termo dividido por s! e o termo 1/(1-ρ). O termo do somatório depen-
de do valor de s, pois ele é calculado de n=0 até n = s-1. Desta forma, para executar
o cálculo do somatório quando s vale 2, n será igual a 0 e 1, logo, uma estrutura de
cálculo que pode ser inserida no excel será:
“ =((B5/B6)^0)/FATORIAL(0)+((B5/B6)^1)/FATORIAL(1)”
Sendo B5 a célula que contém λ e B6 a célula que contém μ. Para calcular a planilha
para s = 3, n variará de 0 a 2, assim, o somatório terá a equação:
“=((J5/J6)^0)/FATORIAL(0)+((J5/J6)^1)/FATORIAL(1)+((J5/J6)^2)/FATORIAL(2)”
Nesta fórmula, J5 equivale a λ e J6 μ. O resultado deste cálculo é apresentado na Figura 9.
87
UNICESUMAR

com s=3 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma planilha do Excel, nas células I4 a I15, aparecem os títulos
s, λ, μ, ρ, e os termos do somatório para o cálculo de P0, também aparecem P0, NF, TF, NS e TS. Os valores na
coluna J da linha 4 até a linha 15 aparecem os valores 3, 100, 60, 0,56, 4,06, 0,77, 2,25, 0,17, 0,375, 0,037, 2,04 e
0,0204. Da célula M4 a O8, aparecem as células do custo, com Cx, s, Cu, NS e ETC, os valores preenchidos são
Cx igual a 32, s igual a 3, Cu igual a 51, NS igual a 2,04 e ETC igual a 200,11.
A mesma alteração pode ser feita para os cálculos com s = 4 e s = 5, aumentando um

termo na célula Somat para ampliar o cálculo do somatório. Os resultados para s =
3 é apresentado na Figura 10.

Descrição da Imagem: na imagem, aparece uma planilha do Excel, na célula A18 a A29 aparecem os títulos
coluna B da linha 18 até a linha 29 aparecem os valores 4, 100, 60, 0,42, 4,83, 0,32, 1,71, 0,19, 0,073, 0,00073,
1,74 e 0,0174. Da célula E18 a G22 aparecem as células do custo, com Cx, s, Cu, NS e ETC, os valores preenchidos
são Cx igual a 32, s igual a 4, Cu igual a 51, NS igual a 1,74 e ETC igual a 216,73.
88
UNIDADE 3
Na Figura 11, você pode conferir o resultado encontrado para s=5.

Descrição da Imagem: na imagem, aparece uma planilha do Excel, nas células I18 a I29, aparecem os títulos
coluna J da linha 18 até a linha 29 aparecem os valores 5, 100, 60, 0,33, 5,15, 0,107, 1,5, 0,188, 0,015, 0,00015,
1,68 e 0,0158. Da célula M18 a O22 aparecem as células do custo, com Cx, s, Cu, NS e ETC, os valores preenchidos
são Cx igual a 32, s igual a 5, Cu igual a 51, NS igual a 1,68 e ETC igual a 245,77.
Observe que a otimização leva à seleção de três funcionários no almoxarifado (s =

3), com um custo total (ETC) de R$200,11/h. Se você fizer o teste e, na própria pla-
nilha, atribuir valores de s iguais a 2, 3, 4 e 5 você encontrará os custos de R$342,18,
R$200,11, R$219,73 e R$245,77, respectivamente. Logo, se confirma que s = 3 leva
ao menor custo.
89
UNICESUMAR
Lá no início da unidade, você analisou o problema da manutenção de caminhões de

uma empresa e a situação era condicionada a ter quatro funcionários da manutenção
cada um com custo de R$9,70/h e cinco caminhões a um custo de espera (parados
aguardando manutenção) de R$52,00/h. Como vimos na unidade, o custo de operação
(EOC) pode ser calculado multiplicando o custo horário de cada funcionário pela
quantidade de funcionários da oficina, e o custo de espera (EWC) pode ser calculado
pelo produto entre a quantidade de caminhões no sistema de fila e o custo de espera
de cada caminhão, a soma destes dois custos é o custo total (ETC).
ETC C x s CU NS
EOC 9, 70 4 38, 80
EWC 52, 00 5 260, 00
ETC 38, 80 260, 00 298, 80
Observe que, para o sistema apresentado, o custo de operação é de R$38,80/h, o

custo de espera de R$260,00 e o custo total é de R$298,80. Desta forma, você pode
verificar que o conhecimento dos custos do sistema de filas permite analisar melhor
o comportamento econômico da fila e identificar quando é interessante aumentar a
quantidade de funcionários que executa a atividade, pois isso pode gerar um menor
custo total do sistema, havendo economia para a empresa. No dia a dia, esta prática
auxilia a determinar o ponto ótimo de operação, a quantidade de atendentes e a taxa
média de atendimento que leva ao menor custo do sistema.
90
Para ajudar você a sintetizar os principais pontos desta unidade, preparei para você um esboço de
disponibilizadas em nossa unidade. Observe a Figura 11 e complete os espaços não preenchidos.
Custo unitário de operação (Cx)

Quantidade de Atendentes ou Taxa de Atendimento (x)
COMPOSIÇÃO DO CUSTO TOTAL DO SISTEMA
Número médio de clientes no sistema (NS)

Custo Unitário de Espera (Cu)
Descrição da Imagem: na Figura 11, há um Mapa Mental com um retângulo no centro escrito Composição do Custo Total do Sis-
tema. Deste retângulo, surge uma ramificação para cima conectada a um retângulo que não está preenchido, e este retângulo está
conectado a dois outros retângulos onde se lê Custo Unitário de Operação - Cx (esquerda) e Quantidade de Atendentes ou Taxa
de Atendimento – x (direita). Do retângulo central, também sai uma ramificação para baixo, conectada a outro retângulo que está
vazio. Este retângulo, está conectado a dois outros retângulos em que se lê Custo Unitário de Espera – Cu (esquerda) e Número
Médio de Clientes no Sistema – NS (direita).
91
1. O gerente industrial de uma indústria metal mecânica entregou a você um conjunto de
dados de tempo retirados do processo para a operação de soldagem de uma máquina
de solda. Os tempos estão apresentados na Tabela 1 e são dados em segundos por
peça soldada:
25,73 24,15 23,52 27,50 24,97
27,48 23,39 24,76 24,95 24,41
26,24 24,71 27,62 23,66 24,67
Tabela 1 - Tempos cronometrados para execução da solda de peças por uma máquina em segundos/peça
Fonte: o autor.
O gerente solicitou que você avalie o sistema de filas formado na máquina, pois o
supervisor do processo fez uma solicitação de compra de uma nova máquina, com
maior capacidade de soldagem para melhor atender ao processo. Você conversou
com o supervisor do processo, e ele lhe apresentou um estudo que mostrou uma
taxa média de chegada de peças na máquina de solda de 130 peças/h, segundo uma
distribuição exponencial. Como o modelo de distribuição do atendimento (soldagem)
das peças é desconhecido, você optou por utilizar o modelo geral. Se o tempo médio
de soldagem pode ser obtido por média simples dos dados apresentados bem como
seu desvio padrão calculado de maneira convencional, analise este sistema de filas e
calcule os principais parâmetros, como tempos médios na fila e no sistema, taxa de
ocupação da máquina e números médios de peças na fila e no sistema de soldagem.
Utilize como base de tempo horas.
2. Ainda de acordo com o problema apresentado na Atividade 1, se o custo de operação

da máquina de solda atual for de R$0,25/peça e o custo de espera de cada peça no
sistema de soldagem for de R$22,35/peça por hora, há vantagem em substituir a má-
quina atual por uma nova que tenha uma taxa média de soldagem de 160 peças/h com
desvio padrão de 0,0005h e um custo de operação de R$0,35/peça?
3. Uma alternativa proposta para o problema da máquina de solda da atividade 1 é a

substituição de uma máquina de solda por várias máquinas de solda menores, com
taxas médias de soldagem segundo uma distribuição de Poisson de média 60 peças/h
com custo operacional de R$15,00/h cada máquina, operando em paralelo para atender
à demanda que chega ao sistema. Se a taxa média de chegada de peças na máquina
continuar em 130 peças/h com distribuição exponencial, bem como o custo de espera
ficar em R$22,35/peça por hora, faça uma otimização do custo total (minimizando-o) e
identificando a quantidade de máquinas que deveria ser utilizada e compare o custo
ótimo com os custos obtidos na atividade 2, apontando o melhor cenário. Adote um
modelo de fila M/M/s/∞/FIFO.
92
93
94
4
Séries de Filas
e Introdução à
Simulação
Olá, caro(a) estudante, na quarta unidade do livro Simulação de

Processos Produtivos, você aprenderá como um processo produti-
vo que tenha uma sequência de atividades, ou seja, de processos
operacionais pode ser modelado, matematicamente, como um
sistema de filas em série. Haverá uma discussão sobre filas sem
bloqueio e com bloqueio. Alguns problemas que apresentam este
comportamento serão utilizados para ilustrar os tipos de sistema
de filas, e você também entenderá como a simulação pode ser útil
para analisar os sistemas produtivos sem, necessariamente, fazer
alterações no sistema real. Vamos lá!
UNICESUMAR
Até a unidade três do livro de Simulação, você trabalhou com modelos de filas diversos,
que eram aplicados, diretamente, aos dados do problema, e todos os casos vistos foram
para um sistema de fila com um processo de atendimento apenas. Mas, e se houver
uma sequência de sistemas de atendimento onde se pode formar filas em cada situação,
um processo que leve a três ou quatro etapas sequenciais para finalizar o produto, po-
dendo haver formação de fila em cada processo? Será que é possível avaliar cada etapa
como uma fila, individualmente? Já imaginou uma peça que é produzida passando
por etapas, como corte, usinagem, polimento e pintura? Em cada situação podemos ter
uma taxa média de chegada e uma taxa média de atendimento, pois tudo dependerá
da quantidade de postos de atendimento que houver em cada etapa, bem como da
habilidade de operadores ou da capacidade de máquinas. Note que, nesta situação, o
conjunto de filas determinará o tempo necessário para que o produto acabado deixe
o processo e esteja pronto para comercialização. Outra questão importante é, como
analisar um sistema produtivo que ainda não saiu do papel? Um projeto novo ou de
expansão de uma empresa por exemplo. Conseguimos estimar o tempo de processo
e a produtividade de um sistema sem que ele esteja funcionando, fisicamente?
Saber como trabalhar com sistemas de filas que podem ser sequênciais, formando
uma série de filas é importante, pois lhe dará mais confiança para lidar com problemas
do dia a dia. Percebe-se que uma fábrica é interligada, um processo influencia o outro,
e o conjunto de etapas formadas bem como o tempo necessário para que o produto em
processamento passe por cada etapa levará a um tempo total que considera desde o
início do processo até sua liberação para venda. Saber analisar este tempo é importan-
te, pois só assim você conseguirá analisar a produtividade do processo e da empresa.
Algo muito importante é que você pode avaliar um sistema produtivo que ainda não
foi construído, isso utilizando os princípios de simulação. A simulação permite, in-
clusive, que você analise mudanças em um sistema real, criando cenários diferentes e
testando situações que podem levar a melhorias no processo para, só então, adquirir
novas máquinas e equipamentos. Todo este processo traz mais segurança com relação
ao retorno financeiro de um investimento em melhorias.
Para começar a trabalhar com as séries de filas, considere um sistema com dois
postos de atendimento seguindo um modelo markoviano do tipo M/M/1/∞/FIFO,
sendo que, no Posto 1, chegam clientes a uma taxa média de três clientes por minuto,
e ele tem capacidade de atender, em média, cinco clientes por minuto. No Posto 2, que
vem logo em sequência, também tem uma taxa média de chegada de três clientes por
minuto, mas possui uma capacidade de atendimento de quatro clientes por minuto.
Avalie estes dois postos de atendimento de maneira individual, calculando o tempo
médio dos clientes na fila e no sistema em cada posto.
96
UNIDADE 4
Antes de partirmos para o estudo das filas em série e da simulação de sistemas

formadores de filas, anote, em seu Diário de Bordo, o que você entende por simulação.
Escreva suas impressões sobre o termo e anote como você entende ser importante
a simulação para as empresas. Não se preocupe em responder certo ou errado, tam-
bém não há necessidade de você fazer uma pesquisa sobre o tema e trazer definições
prontas, apenas escreva o que te vem à mente.
DIÁRIO DE BORDO
97
UNICESUMAR
A partir desta unidade, teremos condições de trabalhar com sistemas produtivos que formam filas
em sequência, o que seria uma evolução comparado ao que fizemos até agora em nosso livro. Obser-
ve que você aprendeu a trabalhar com os mais diversos modelos de filas, individualmente, e, a partir
desta unidade, você trabalhará com sistemas de filas. A princípio você entenderá como funciona uma
série de filas sem bloqueio e uma série de filas com bloqueio, mas, ao final desta unidade, você
começará a entender como a simulação pode ajudar a avaliar série de filas e, melhor ainda, utilizando
qualquer tipo de modelo de fila para cada etapa de processo que se tem. Iniciemos, então, com a série
de filas sem bloqueio.
A série de filas sem bloqueio, segundo Fogliatti e Mattos (2007), é um sistema que permite haver
fila entre dois postos de atendimento, sem rejeitar os clientes que chegam e encontrem o posto ocupado.
É comum estudar este tipo de sistema, considerando que há um número k de estágios, havendo uma
quantidade si de servidores em cada estágio i. O atendimento prestado em cada estágio seguirá uma
distribuição exponencial com parâmetro médio μi, e nenhum dos estágios apresenta bloqueio. Conside-
ra-se, também, que a taxa média de chegada dos clientes ao primeiro estágio é exponencial de média λ.
Nesta dinâmica, cada estágio pode ser avaliado, individualmente, e o modelo que caracterizará cada
estágio é M/Mi/si/∞/FIFO com parâmetros λ e μi, com i variando de 1 a k. Observe que a taxa média
de chegada de clientes é a mesma para todos os estágios onde se encontram os postos de atendimento,
havendo diferença apenas nas taxas médias de atendimento que dependerão das condições de cada
estágio. De um modo geral, para a série de filas sem bloqueio, as medidas de desempenho da série são
dadas pelas equações:
k
NF Número médio de clientes na fila NF NFi
i 1
k
NS Número médio de clientes no sistema NS NSi
i 1
k
TF Tempo médio do cliente na fila TF TFi
i 1
k
TS Tempo médio do cliente no sistema TS TSi
i 1
r Taxa de ocupação (utilização) do sistema r 1 P0
k
P0 Ociosidade do sistema (probabilidade de n = 0) P0 P0,i
i 1
Como o modelo base de cada componente do sistema é o M/M/s/∞/FIFO, são válidas as equações
deste modelo para cada parâmetro de fila.
98
UNIDADE 4
s
P0i λ / µi i ρi
NFi Número médio de clientes na fila NFi 2
si !1 ρi
NFi
TFi Tempo médio do cliente na fila TFi
λ
1
TSi Tempo médio do cliente no sistema TSi TFi
µi
1 λ
NSi Número médio de clientes no sistema NSi λ TFi NFi
µi µi
λ / µ n
i
P0i se 0 n s
n !
Pni Probabilidade de haver n clientes no sistema Pni n
λ / µi
P
n si 0i
se n s
si ! si
λ
ρi Taxa de ocupação (utilização) do siistema ρi
si µi
1
si 1 λ / µ n λ / µ si 1
P0i Ociosidade do sistema (probabilidade de n = 0) P0i i
i
n 0 n! si ! 1 λ / si µi

A maneira de resolver um problema de série de filas sem bloqueio é encontrar as taxas médias de atendimento
e chegada para cada subsistema da fila e avaliar as medidas de desempenho, individualmente, e, por último,
calcular as medidas para todo o sistema. Veja no Exemplo 1 como estas equações podem ser utilizadas.
01. EXEMPLO O processo de descarregamento e entrega de contêiner em um porto segue as seguintes

etapas: o caminhão com o contêiner chega ao portão de entrada do porto (gate), é
pesado, e a documentação é conferida, em seguida, o contêiner segue para o pátio de
descarregamento e é removido do caminhão por um Transtêiner (RTG), podendo
seguir para inspeção, caso haja necessidade. Para ser carregado, um Veículo Portuário
(TT) é carregado com o contêiner do pátio e o leva até próximo do navio onde um
Portêiner (STS), retira o contêiner do TT e o coloca dentro do navio. Considere um
porto que tenha 6 gates para receber os caminhões com contêiner, pesando e liberando
cada caminhão em cerca de dez minutos, em seguida, os contêineres seguem para
o pátio de descarregamento onde há cinco Transtêiner que removem e posicionam
cada contêiner no local adequado, com tempo médio de oito minutos. Oito Veículos
Portuários coletam os contêineres no pátio, necessitando de um tempo médio entre
seu carregamento e a aproximação ao navio de dezesseis minutos por contêiner,
sete Portêiner fazem o carregamento do navio necessitando de quinze minutos para
finalizar a operação. Se chegarem em média 25 contêineres/h, avalie o sistema de fila
em série formado, admitindo que não há bloqueio. Calcule os parâmetros de fila para
cada subsistema e da fila em série.
99
UNICESUMAR
Solução: A taxa média de chegada de contêiner no porto e em cada subsistema

será a mesma, de 25 contêineres/h. As taxas médias de atendimento em cada sub-
sistema será de:
Subsistema 1: Gates
10 60
TA1 =10min h 1 6 contêineres / h
60 10
s1 6
Subsistema 2: Transtêiner
8 60
TA2 =8min h 2 7, 5 contêineres / h
60 8
s2 5
Subsistema 3: Veículo Portuário

16 60
TA3 =16min h 3 3, 75 contêineres / h
60 16
s3 8
Subsistema 4 :Portêiner
15 60
TA4 =15min h 4 4 contêineres / h
60 15
s4 7
Os parâmetros de fila calculados para cada sistema serão:

Subsistema 1:Gates
λ λ 25
ρi ρ1 0, 6944 69, 44%
si µi s1µ1 6 6
1 1
si 1 λ / µ n λ / µ si 1 61 25 / 6 n 25 / 6 6 1
P0i i
i P01
n 0 n! si ! 1 λ / si µi n 0 n ! 6 ! 1 25 / 6 6

P01 0, 01375
s s 6
P0i λ / µi i ρi P01 λ / µ1 1 ρ1 0,001375 25 / 6 0, 6944
NFi 2
NF1 2
2
0, 743 contêineres/ h
si !1 ρi s1 !1 ρ1 6 !1 0, 6944
NFi NF 0, 743
TFi TF1 1 0, 0297 h 1, 78 min
λ λ 25
1 1 1
TSi TFi TS1 TF1 0, 0297 0, 196h  11, 78 min
µi µ1 6
λ λ 25
NSi NFi NS1 NF1 0, 743 4, 91 contêineres/ h
µi µ1 6
100
UNIDADE 4
Subsistema 2: Transtêiner
λ λ 25
ρi ρ2 0, 6667 666, 67%
si µi s2 µ2 5 7, 5
1 1
si 1 λ / µ n λ / µ si 1 51 25 / 7, 5 n 25 / 7, 5 5 1
P0i i
i P02
n 0 n! si ! 1 λ / si µi n 0 n! 5! 1 25 / 5 7, 5

P02 0, 03175
Subsistema 3: Veículo Portuário

λ λ 25
ρi ρ3 0,, 8333 83, 33%
si µi s3µ3 8 3, 75
1 1
si 1 λ / µ n λ / µ si 1 81 25 / 3, 75 n 25 / 3, 75 8 1
P0i i
i P03
n 0 n! si ! 1 λ / si µi n 0 n! 8! 1 25 / 8 3, 75

P03 0, 00092
s s 8
P0i λ / µi i ρi P03 λ / µ3 3 ρ3 0,000092 25 / 3, 75 0, 6667
NFi 2
NF3 2
2
si !1 ρi s3 !1 ρ3 8 !1 0, 8333
NFi NF3 2, 663
TFi TF3 0, 1065h 6, 39 min
λ λ 25
1 1 1
TSi TFi TS3 TF3 0, 1065 0, 373h  22, 38 min
µi µ3 3, 75
λ λ 25
µi µ3 3, 75
101
UNICESUMAR
Subsistema 4: Portêiner
λ λ 25
ρi ρ4 0, 8929 89, 29%
%
si µi s4 µ4 7 4
1 1
si 1 λ / µ n λ / µ si 1 7 1 25 / 4 n 25 / 4 7 1
P0i i
i P04
n 0 n! si ! 1 λ / si µi n 0 n! 7 ! 1 25 / 7 4

P04 0, 00102
s s 7
P0i λ / µi i ρi P04 λ / µ4 4 ρ4 0,000102 25 / 4 0, 8929
NFi 2
NF4 2
2
si !1 ρi s4 !1 ρ4 7 !1 0, 8929
NFi NF4 5, 847
TFi TF4 0, 2339h 14, 03 min
λ λ 25
1 1 1
TSi TFi TS4 TF4 0, 2339 0, 4839h  29, 03 min
µi µ4 4
λ λ 25
µi µ4 4
Os parâmetros da série de fila serão de:
k 4
NF NFi NF NFi 0, 743 0, 653 2, 663 5, 847 9, 906 contêiineres/ h
i 1 i 1
k 4
NS NSi NS NSi 4, 91 3, 99 9, 33 12, 12 30, 355 contêineres/ h
i 1 i 1
k 4
TF TFi TF TFi 0, 0297 0, 0261 0,1065 0, 2339 0, 3962h 23, 77 min
i 1 i 1
k 4
TS TSi TS TSi 0, 196 0, 159 0, 373 0, 4839 1, 212h 72, 72 min
i 1 i 1
k 4
P0 P0,i P0 P0,i 0, 013750, 03175 0, 000920, 00102 4,1 1010
i 1 i 1
r 1 P0 r 1 4,11010 1
102
UNIDADE 4
Com os cálculos dos parâmetros do sistema de fila em série do porto, verifica-se que o gargalo do
sistema está nos Portêineres de carregamento dos navios com um tempo médio no sistema de 29min.
Também se pode observar que o serviço mais rápido é a operação dos Transtêineres com 9,54min. Os
cálculos da série de fila mostram que o tempo médio na fila de cada contêiner no sistema todo é de
23,77min, e o tempo no sistema, ou seja, desde a chegada nos gates até o carregamento no navio é de
72,72 min, ou seja, perto de 1h e 12min. É interessante notar que, nestes cálculos, podemos avaliar cada
etapa da fila, individualmente, analisando se as partes atendem a um aumento de demanda. Observe,
no Exemplo 2, como podemos avaliar esta situação.
02. EXEMPLO O Gerente do porto do Exemplo 1 está recebendo a solicitação de novas empresas
para envio de contêineres para embarque. Com as novas solicitações, espera-se que
a taxa média de chegada de contêineres seja de 30 contêineres/h. Analise o sistema
de fila e verifique se ele é capaz de atender à nova demanda e, se for o caso, quais
melhorias devem ser feitas para que o sistema funcione, adequadamente.
Solução: Analisando os dados do problema, verificamos novas taxas de ocupação
para a demanda de 30 contêineres/h, como segue:
λ
ρi
si µi
Subsistema1: Gates
λ 30
ρ1 0, 8333 83, 33%
s1µ1 6 6
Subsistema 2 : Transtêiner
λ 30
ρ2 0, 80 80, 00%
s2 µ2 5 7, 5
Subsistema 3 : Veículo Portuário

λ 30
ρ3 1 100%
s3µ3 8 3, 75
Subsistema 4 : Portêiner
λ 30
ρ4 1, 07 107%
s4 µ4 7 4
É possível observar que os Veículos Portuários ficam com taxa de ocupação de 100%,
inviabilizando a movimentação, e os Portêineres apresentam uma taxa de ocupação
de 107%, superior à sua capacidade máxima, o que, também, inviabiliza a operação.
103
UNICESUMAR
Para que a nova demanda seja absorvida há duas saídas, isto é, aumentar a quantidade de Veículos
Portuários e de Portêineres, ou reduzir a taxa média de atendimento, acelerando a etapa do processo.
A decisão a ser tomada deve ser baseada nos custos gerados pelas novas aquisições ou melhorias que
levem a um tempo reduzido de operação e o retorno financeiro esperado ao permitir a entrada de
mais contêineres.
Além dos parâmetros de fila, você, também, pode calcular o custo associado a cada uma das etapas
do sistema e ao custo total do sistema. Observe, no Exemplo 3, como calcular e estimar estes valores.
03. EXEMPLO Utilizando as informações do Exemplo 1, calcule o custo total do sistema, sabendo que
o custo médio de operação em cada gate é de R$8.250,00/h, o custo médio de operação
do Transtêiner de R$6.300,00/h, o custo médio de operação de um Veículo Portuário de
R$3.250,00/h e R$5.125,00/h para a operação de cada Portêiner. Estima-se que o custo
de espera de cada contêiner no porto aguardando carregamento é de R$23.500,00/h.
Solução: Para calcular o custo total, utilizaremos os custos de espera e de ope-
ração para cada etapa do processo de descarregamento. Sendo assim, utilizando a
quantidade de postos de operação em cada etapa e o número médio de clientes no
sistema calculados no Exemplo 1, teremos:
ETC1 C x1 s1 CU 1 NS1
ETC1 8.250 6 23.500 4, 91 49.500 115.385 164.885
ETC2 6.300 5 23.500 3, 99 31.500 93.765 125.265
ETC3 3.250 8 23.500 9, 33 26.000 219.255 245.255
ETC4 C x 4 s4 CU 4 NS4
ETC4 5.125 7 23.500 12, 12 35.875 284.820 320.695
ETCTOTAL 164.885 125.265 245.255 320.695 856.100
Pelos cálculos, observa-se um custo de R$164.885,00/h para os gates, R$125.265,00/h

para os Transtêineres, R$245.255,00/h para os Veículos Portuários e R$320.695,00/h
para os Portêineres. O custo total para o sistema de carregamento seria de
R$856.100,00/h.
104
UNIDADE 4
Um sistema de filas com bloqueio, na verdade, não permite a formação de filas (FOGLIATTI;
MATTOS, 2007), onde o sistema funcionará da seguinte maneira: quando o cliente chega ao primeiro
posto de atendimento, só entra no posto se este estiver liberado. Da mesa forma, se ele for atendido no
primeiro posto, só deixará este e se encaminhará até o segundo posto de atendimento se estiver libe-
rado, e assim, sucessivamente. Observe que, diferente dos tipos de sistemas que permitem a formação
de filas em cada posto de atendimento, nesta configuração, os clientes somente se movimentarão pelas
etapas do processo quando o posto estiver livre para atendê-lo. Por serem sistemas com análise mais
complexas, analisaremos um sistema com dois estágios e um posto de atendimento em cada estágio
adotando n1 para o número de clientes no estágio 1 e n2 para o número de clientes no estágio 2.
Considerando, então, que tanto a chegada quanto o atendimento segue uma distribuição exponen-
cial de média λ e μ com dois estágios e um posto de atendimento em cada estágio, são consideradas as
seguintes possibilidades de ocupação do sistema:
(0, 0) não há clientes no posto 1 e no posto 2;

1, 0 há clientes no posto 1 e não há clientes no posto 2;
0,1 não há clientes no posto 1 e há 1 cliente no posto 2;
(1,1) há 1 cliente no posto 1 e 1 cliente no posto 2 em atendimento;
( 1,1) O cliente do posto 1 já foi atendido mas está bloqueeado e não pode ir ao estágio 2 que está ocupado .
Para encontrar as medidas de desempenho deste sistema, as probabilidades de cada estado possível do
sistema devem ser calculadas. As equações utilizadas para calcular estas probabilidades são:
λ
P0,1 P0,0
µ2
λ2
P1,1 P0,0
µ2 µ1 µ2
P1,0
λ2 λ
P0,0 P0,0

λ 2 λµ1 λµ2
P0,0

µ1 µ1 µ2 µ1 µ1 µ1 µ2
λ 2 µ1
P1,1 P0,0
µ22 µ1 µ2
P0,0 P0,1 P1,1 P1,0 P1,1 1
Com as probabilidades das ocorrências calculadas, podemos determinar as medidas de desempenho

da fila e do sistema. As equações são:
105
UNICESUMAR
NF Número médio de clientes na fila NF 0

2
NS Número médio de clientes no sistema NS nP0 1P1 2 P2
n 0

NS 0 P0,0 1 P0,1 P1,0 2 P1,1 P1,1
TF Tempo médio do cliente na fila TF 0
Taxa de Rejeição
l P1,0 P1,1 P1,1
NS

l 1 P1,0 P1,1 P1,1
P0 Ociosidade do sistema (probabilidade de n = 0) P0 P0,0
P01 Ociosidade do estágio 1 P01 P0,0 P0,1 P1,1
P02 Ociosidade do estágio 2 P02 P0,0 P1,0
Veja, no Exemplo 4, uma maneira de calcular um sistema com bloqueio.
04. EXEMPLO O controle de qualidade de uma indústria de eletroeletrônicos é feito em duas etapas,
por dois funcionários diferentes. Os aparelhos chegam à inspeção a cada dez minutos.
O funcionário da etapa 1 leva, em média, oito minutos para executar sua parte da
inspeção, e o funcionário 2 demora 20 minutos para executar seu serviço. Quando
o aparelho eletrônico chega à inspeção, e a etapa 1 está ocupada, o aparelho segue
na linha de produção para a embalagem. Analisando este problema como uma série
de fila com bloqueio, calcule a probabilidade de cada etapa de inspeção estar ociosa,
bem como a ociosidade total do sistema, o número e o tempo médio de aparelhos
no sistema de inspeção.
Solução: Para iniciar a análise, determinamos as taxas médias de chegada e aten-
dimento dadas por:
1 aparelho 60 min
λ 6 aparelhos por hora
10 min h
1 aprellho 60 min
TA1 =8min µ1 7, 5 aparelhos por hora
8 min h
1 aprelho 60 min
TA2 = 20min µ2 3 aparelhos por hora
20 min h
Com as taxas médias, podemos calcular as probabilidades das possíveis ocorrências
de ocupação do sistema:
106
UNIDADE 4
λ 6
P0,1 P0,0 P0,1 P0,0 2 P0,0
µ2 3
λ2 62
P1,1 P0,0 P1,1 P0,0 1, 143 P0,0
µ2 µ1 µ2 3 7, 5 3
P1,0
λ 2 λµ1 λµ2
P P1,0
62 67, 5 6 3
P 1, 257 P0,0
0,0 0,0
µ1 µ1 µ2 7, 5 7, 5 3
λ 2 µ1 62 7, 5
P1,1 P0,0 P1,1 P0,0 2, 857 P0,0
µ22 µ1 µ2 32 7, 5 3
P0,0 P0,1 P1,1 P1,0 P1,1 1 P0,0 2 P0,0 1, 143 P0,0 1, 257 P0,0 2, 857 P0,0 1
8, 257 P0,0 1 P0,0 0, 121
P0,1 0, 242 P1,1 0, 138 P1,0 0, 152 P1,1 0, 346
Com as probabilidades de ocorrência, podemos, então, calcular as medidas de desempenho da série

de fila com bloqueio.

NS 0 P0,0 1 P0,1 P1,0 2 P1,1 P1,1 00, 121 1 0, 242 0, 152 2 0, 138 0, 346 1, 36

Taxa de Rejeição l P1,0 P1,1 P1,1 6 0, 152 0, 346 0, 138 3, 82
NS 1, 36
TS 0, 62

l 1 P1,0 P1,1 P1,1 6 1 0, 152 0, 346 0, 138
Ociosidade do sistema P0 P0,0 0, 121

Ociosidade do estágio 1 P01 P0,0 P0,1 P1,1 0, 121 0, 242 0, 346 0, 709
Ociosidade do estágio 2 P02 P0,0 P1,0 0, 121 0, 152 0, 273
Os resultados mostram que o número médio de clientes no sistema é 1,36 aparelhos por hora, sendo
a taxa de rejeição de 3,82 aparelhos por hora. O tempo médio dos aparelhos no sistema de inspeção
é de 0,62h ou, aproximadamente, 37,2min. A taxa de ociosidade da etapa 1 de inspeção é de 70,9%, e
da etapa 2 de 27,3%. Nota-se, também, que a probabilidade de um aparelho estar na primeira etapa
e ter que esperar para entrar na segunda etapa é de 0,346. Logo, observa-se que a primeira etapa fica
bloqueada em parte do tempo, devido ao maior tempo necessário para atender a cada aparelho na
etapa 2. Uma saída para melhorar o desempenho do sistema seria aumentar a velocidade do processo
de inspeção da etapa 2, ou por treinamento dos funcionários, ou investindo em alguma tecnologia
que auxilie esta etapa.
107
UNICESUMAR
Problemas de filas com bloqueio mais complexos são de

modelagem mais complicada, por este motivo, nós os estu-
daremos utilizando um software de simulação. É justamente
sobre simulação que falaremos de agora em diante, nesta e
nas próximas unidades deste livro.
Conceituar a simulação de sistemas depende do con-
texto ao qual ela está inserida, mas, em nosso caso, relacio-
nando-se a sistemas produtivos, podemos dizer que a simu-
lação é uma técnica de solução de problema utilizando um
modelo que descreve o comportamento do sistema estudado.
Por meio da análise do modelo aplicado ao problema real,
utilizando um computador, pode-se avaliar seu comporta-
mento para diferentes circunstâncias e situações (PRADO,
2014). Tal prática permite analisar um sistema produtivo e
buscar uma maneira de melhorar seu desempenho prevendo
seu resultado. Uma prática interessante da simulação é testar
um sistema que não está instalado, o que pode ser útil em
uma etapa de projeto, em que se buscam os equipamentos
mais adequados para o processo produtivo e se avalia a ca-
pacidade de produção para fins de viabilidade econômica.
Como nosso foco é a simulação de sistemas, Prado (2014)
também faz uma definição de sistemas, considerando-o
como uma agregação de objetos que possui interação entre
si, ou que seja interdependente. Os sistemas estudados po-
dem ser discretos ou contínuos, dependendo de como seus
dados se comportam. Nos sistemas discretos, as quantidades
medidas são inteiras (discretas), como máquinas, equipa-
mentos, pessoas etc. Já nos sistemas contínuos, as quantida-
des medidas são, de fato, contínuas, como fluxo de material
que passa por uma tubulação. Os sistemas estudados em
nosso livro se encaixam na categoria de sistemas discretos.
Como o estudo dos sistemas produtivos por simulação se
dará utilizando modelos, é interessante saber que os modelos
podem ser representados de maneira simbólica, apresentan-
do uma semelhança conceitual com a realidade, podem ser
matemáticos, quando representados por equações matemá-
ticas, é o caso da Teoria das Filas e da Programação Linear
e Diagramáticos, com o uso de diagramas que podem ser
inseridos em um computador.
108
UNIDADE 4
A aplicação da simulação como uma técnica de análise de problema pode se justificar, muitas
vezes, pela impossibilidade de executar mudanças no sistema real sem saber as consequências que
essas mudanças poderiam causar no processo real, logo, simular e testar novas possibilidades permite
promover alterações mais assertivas. Da mesma forma, a simulação pode ser utilizada em um projeto
que não saiu do papel, de uma fábrica completa, testando opções que podem aumentar a produtividade,
ajudando, inclusive, a selecionar os melhores equipamentos para o processo.
A simulação está presente em grande parte do nosso dia a dia e, muitas vezes, não nos da-
mos conta disso. Quando você utiliza um jogo virtual, está simulando um cenário, e ações são
tomadas no campo virtual. Algumas lojas virtuais disponibilizam provadores virtuais, em que
você pode combinar peças de interesse e verificar se ficam boas juntas, isso também é uma
simulação. Bancos oferecem simulações de financiamentos e empréstimos, onde você tem
ideia de quanto terá que pagar, mensalmente, ao receber determinado valor a uma taxa de
juros estabelecida. O que você fará, como profissional, ao simular um sistema, é parecido, testar
uma realidade virtual para seu processo para adotar uma solução prática para o sistema real.
Em linhas gerais, para executar a simulação de um sistema, duas etapas principais são necessárias:
a construção do modelo atual e a inclusão das alterações desejadas no modelo atual. Desta forma,
o modelo da situação atual deve contar com todas as máquinas, os equipamentos e as capacidades
correntes, e a inclusão das alterações será feita com as modificações desejadas ao modelo atual, com
novos maquinários, ou novas capacidades. Ambas as etapas podem ser feitas, computacionalmente,
inclusive, a possibilidade de utilizar softwares de simulação favorece esse processo, pois, de maneira
simples, é possível representar um sistema produtivo e executar o programa para que o computador
faça todos os cálculos necessários.
Como se deseja que o modelo represente o problema real, há uma forte tentação a deixá-lo com a
maior quantidade de variáveis possível para quase fazer uma cópia exata do sistema real. No entanto
Bateman et al. (2013) alertam para que o objetivo principal da simulação não deve ser esquecido, que
é o de representar o sistema real para fazer estimativas dos possíveis resultados. Com a simulação,
pode-se gerar estimativas de tempos de transferência de material entre etapas, consumo de recursos,
estado de filas e, até mesmo, produtividades. Para elaborar o modelo, os autores recomendam que o
modelador responda a duas perguntas principais, definindo qual o escopo (alcance e objetivo) do
modelo e o nível de detalhamento desejado para o modelo.
Deve-se identificar os fatores que mais impactam nos resultados do modelo, e estes serão transfe-
ridos para a linguagem matemática/computacional. Desta maneira, evita-se considerar um excesso de
variáveis e que não tenham tanta relevância para a resposta do modelo.
109
UNICESUMAR
A simulação pode ser entendida como um processo de elaboração de um modelo computacional de um

sistema real para conduzir experimentos tendo por fim analisar as diversas respostas apresentadas pelo mo-
delo, de acordo com as condições iniciais alimentadas no processo de simulação (FREITAS FILHO, 2008).
Em outras palavras, você cria uma equação ou um conjunto de equações matemáticas utilizando
os parâmetros (letras) que representam algum dado real, como tempo, concentração, quantidade de
material. Estas equações se relacionam de maneira que, ao resolvê-las, você consegue observar o com-
portamento do seu sistema. Para analisar o sistema, você admite novos valores para seus parâmetros
e resolve novamente seu modelo, encontrando outra resposta. Este processo pode ser feito quantas
vezes você quiser e, a cada nova simulação, uma resposta é encontrada, permitindo analisar a melhor
opção para uma mudança em um sistema produtivo, ou avaliar qual seria o comportamento de seu
sistema se um dos parâmetros fosse modificado, acidental ou intencionalmente.
De uma maneira simples e direta, a simulação é uma ferramenta para avaliar ideias, permitindo
que gerentes, engenheiros e outros responsáveis pela tomada de decisão em uma fábrica ou empresa
possam analisar o impacto de mudanças positivas em sistemas complexos. A simulação pode ajudar
a economizar tempo e recursos financeiros no desenvolvimento de projetos, aumentando a produti-
vidade e os ganhos da empresa, sem alterar o sistema real para analisar as mudanças.
Observe que a simulação depende de um modelo, por este motivo, ambos estão relacionados.
Podemos dizer que a modelagem é a primeira etapa de uma simulação, o processo de admitir valores
iniciais para o modelo, resolvê-lo e observar suas respostas é a própria simulação. Em suma, desta-
cam-se três situações em que a simulação é muito útil, quando o sistema real não existe, permitindo
o planejamento de novas instalações, quando realizar experimentos com o sistema real é muito caro
(no caso da substituição de um equipamento) e quando realizar o experimento com o sistema não é
adequado (simulações de emergência, simulações de desastres naturais ou aéreos, por exemplo).
Segundo Freitas Filho (2008), alguns sistemas aptos a serem modelados seriam:
• Sistemas de produção: manufatura e montagem, movimentação de peças e matéria-prima,
alocação de mão de obra, áreas de armazenagem e layout.
• Sistemas de transporte e estocagem: redes de distribuição e logística, armazéns e entrepostos,
portos, transporte rodoviário e ferroviário, entre outros.
• Sistemas computacionais: redes de computadores e comunicação, web sites, servidores de
redes, sistemas operacionais e gerenciadores de base de dados.
• Sistemas de prestação de serviços: hospitais, bancos, centrais de atendimento, restaurantes
industriais e serviços de emergência.
Algumas vantagens da simulação estão no fato de que, depois de criado e validado o modelo, este
pode ser utilizado diversas vezes para analisar o sistema. A simulação permite analisar sistemas que
ainda não existem, o modelo pode ser tão complexo quanto o necessário para representar melhor
o sistema, e é possível compreender melhor as variáveis mais importantes do sistema. É importante
conhecermos os termos utilizados em simulação de sistemas, pois nos ajudam a padronizar as infor-
mações descritas em um modelo e melhor interpretar e descrever os problemas a serem analisados.
110
UNIDADE 4
Os autores Bateman et al. (2013) e Freitas Filho (2008) apresentam algumas definições fundamentais
para simulação. Então, vamos lá!
• Variáveis de estado: são as variáveis cujos valores caracterizam o sistema em determinado
tempo. Representam o conjunto de informações necessárias para compreender o que está
ocorrendo no sistema ou em seu modelo, num dado instante de tempo. As variáveis de estado
podem apresentar valores diversos dependendo do instante em que se está analisando o sistema,
por este motivo, cada conjunto de variáveis deve ser caracterizado de acordo com o tempo em
análise. Para uma fábrica, por exemplo, as variáveis de estado podem ser o número de peças
esperando para serem processadas por uma máquina ou o estado da máquina, ocupado ou livre.
Para um banco, pode ser o número de clientes esperando o atendimento na fila.
• Eventos: os eventos são acontecimentos, programados, ou não, que, ao ocorrer, provocam mu-
danças no estado do sistema. Portanto, pode-se dizer que toda mudança de estado é resultado
da ocorrência de um evento. Tratando-se de um sistema de atendimento, os possíveis eventos
que podem ocorrer são: a chegada de peças, clientes ou tarefas, o início do processamento ou
atendimento, pela máquina ou caixa e a saída da peça ou do cliente.
• Entidades e atributos: para a modelagem e a simulação de sistemas, uma entidade representa
um objeto que precisa de definição clara e explícita. Essa entidade pode ser dinâmica, que se
move por meio do sistema, como peças e clientes ou estática, servindo a outras entidades, como
os caixas de atendimento e uma CPU de processamento de dados. As características destas
entidades são chamadas atributos, entidades iguais apresentam os mesmos atributos, porém
podem se distinguir pelos valores destes. Por exemplo, se toda entidade que for processada em
uma máquina receber o atributo (nome) peça, mas forem, efetivamente, peças diferentes, po-
de-se atribuir junto ao nome “peça” um código que a identifique, para que o modelo apresente
as respostas devidas para cada tipo de peça processada.
• Recursos e fila de recursos: um recurso é considerado uma entidade estática que serve para
atender às necessidades de entidades dinâmicas, podendo atender a uma ou a mais entidades
dinâmicas ao mesmo tempo, atuando como um servidor em paralelo. No caso de uma entidade
dinâmica não poder acessar o recurso solicitado, esta entidade deverá aguardar em uma fila.
A maneira como essa fila será processada depende das políticas de atendimento estabelecidas
pela empresa, a mais comum é a FIFO (First In, First Out), que promove o atendimento do
primeiro que chegar à fila. Se não houver espaço na fila, a entidade dinâmica deve ser direcionada
para outra fila ou, até mesmo, sair do sistema sem processamento. Se a entidade dinâmica acessa
o recurso, ela o retém por um tempo (tempo de processamento), deixando-o livre após esse
período para que uma nova entidade dinâmica o utilize. Neste contexto, é comum caracterizar
o estado do recurso como ocupado ou livre.
• Atividade e período de espera: uma atividade em simulação corresponde a um período
de tempo predeterminado, podendo apresentar uma duração de tempo constante, ou não,
dependendo da forma como for definida. As variações do tempo de cada atividade podem ser
decorrentes de tempos de serviço diferentes para cada tipo de entidade ou tamanho da fila no
111
UNICESUMAR
servidor. O período de espera é um período de tempo que pode não apresentar controle tam-
bém, devido a eventos inesperados, como atendimento prioritário de outra entidade dinâmica
ou quebra de equipamento.
• Tempo real simulado e tempo de simulação: o tempo real simulado refere-se ao tempo
de análise do sistema em operação, como o tempo de processamento de dados de um CPU, o
tempo de atendimento e chegada de navios em um terminal portuário. O tempo de simulação
é o tempo que o programa necessita para processar a informação e executar o experimento no
computador. Nestas condições, muitas vezes, é possível simular um tempo real de meses em
um tempo de simulação de segundos ou milissegundos.
• Sistemas: um sistema pode ser definido como um conjunto organizado de entidades, como
pessoas, máquinas, métodos e peças que atuam juntas em direção a um objetivo específico. O
modelo de simulação caracterizará, matematicamente, um sistema, por meio da descrição de
respostas que são resultado da interação destas entidades. O sistema recebe estímulos (inputs) e
produz respostas (outputs), sendo as relações estabelecidas para o sistema que determinam como
este converte os estímulos em respostas. Os sistemas podem ser classificados em estáticos ou
dinâmicos, determinísticos ou aleatórios e contínuos ou discretos, como apresentado na Figura 1.
Sistema
Estáticos Dinâmicos
Determinísticos Aleatórios
Contínuos Discretos
Figura 1 - Classificação dos sistemas para modelagem / Fonte: adaptada de Freitas Filho (2008).
Descrição da Imagem: na imagem, aparece um retângulo com a palavra “sistemas” e ele está conectado a outros dois retângulos onde
está escrito “Estáticos” e “Dinâmicos”; do retângulo “Dinâmicos” saem dois retângulos onde está escrito “Determinísticos” e “Aleatórios”
e, do retângulo “Aleatórios”, saem mais dois retângulos com as palavras “Contínuos” e “Discretos”.
• Sistema estático ou dinâmico: um sistema estático não é influenciado pelo tempo, não há
relógio de simulação envolvido, e o estado do sistema não sofre mudança com o tempo. Um
sistema dinâmico é influenciado pelo tempo, seu estado pode mudar segundo a segundo. A
manufatura e muitos sistemas são modelados utilizando a abordagem dinâmica.
• Sistema determinístico ou aleatório: em um sistema determinístico, o resultado do sistema é
predeterminado pelos dados de entrada, já em um sistema aleatório ou estocástico, o resultado
não depende apenas dos dados de entrada, mas de outros fatores aleatórios, envolvendo um
modelo probabilístico.
112
UNIDADE 4
• Sistema com evento discreto ou contínuo: um evento discreto é uma ação que ocorre em
um único momento cujas variáveis de estado não sofrem alteração ao longo de intervalos de
tempo, mudando de valor apenas em pontos definidos. É o caso, por exemplo, de um avião
aterrissando em um aeroporto, um caminhão chegando a uma doca de descarregamento ou
um cliente entrando em um banco. Um evento contínuo é uma ação que não cessa, as variáveis
de estado podem variar, continuamente, com o tempo, sendo o caso da temperatura de um lago
subindo ao longo do dia, o nível e o volume de um tanque reduzindo em um esvaziamento. É
comum representar este tipo de evento por equações diferenciais.
• Alguns tipos de modelos: os modelos podem ser classificados de acordo com seus sistemas,
ou seja, estático ou dinâmico, determinístico ou estocástico (aleatório) e discreto ou contínuo.
Além desta categorização, os modelos podem ser classificados de acordo com sua finalidade,
como veremos a seguir.
• Modelos de previsão: a simulação pode ser útil para prever comportamentos e estados
do sistema em algum momento futuro, fundamentado nas suposições sobre o compor-
tamento corrente e ao longo do tempo para o sistema. É o caso, por exemplo, de modelos
de previsão do clima ou de previsão de demanda.
• Modelos de investigação: são modelos utilizados para observar o comportamento do
sistema de acordo com mudanças predefinidas, sendo as variáveis de resposta úteis para
construir e organizar as informações sobre a natureza dos fenômenos que fazem parte
do sistema analisado. Como exemplo pode-se citar os modelos aplicados à indústria
química ou farmacêutica na busca de novos compostos, e na indústria automobilística
em busca de estruturas mais seguras para os veículos.
• Modelos de comparação: têm uso destacado na indústria em geral, pois servem para
comparar diferentes rodadas de simulação que apresentam respostas diversas de acordo
com mudanças feitas nas variáveis de controle. É o caso da busca de melhores soluções
de layout e determinação do melhor tamanho de lote de fabricação. Uma empresa de
logística pode comparar o uso de diferentes caminhões transportadores para minimizar
seus custos de envio de material ao porto, por exemplo.
• Modelos específicos: são modelos aplicados a situações específicas mesmo que não
envolvam grande investimento, no momento de tomada de decisão. Na área de manu-
fatura, destacam-se os modelos para análise de substituição de equipamentos ou para
alocação de equipamentos entre setores fabris. Na prestação de serviços, pode-se destacar
os modelos empregados para reorganizar os recursos de atendimento aos clientes, como
filas de atendimento de bancos, hospitais ou supermercados.
• Modelos genéricos: estes modelos são empregados em situações de uso contínuo por
longos períodos, sendo necessário que apresentem flexibilidade e robustez a mudanças
dos dados de entrada. Precisam de uma grande quantidade de dados e que sejam con-
fiáveis, geralmente, estão integrados a um sistema de aquisição de dados. É o caso de
modelos de gerenciamento de tráfego e decisões sobre aplicações orçamentárias.
113
UNICESUMAR
Você já deve ter entendido a importância de escolher o modelo mais adequado para repre-
sentar o sistema real, sem que ele seja complexo em extremo que prejudique seu processo
de solução. Vale ressaltar que os modelos já vistos nas unidades anteriores de Teoria das Filas
entram como candidatos fortes à representação dos sistemas produtivos, uma vez que repre-
sentarão a dinâmica dos tempos de execução das atividades ou dos tempos de transferência
entre cada etapa do processo.
Existem alguns passos gerais e clássicos de como proceder para solucionar um problema que envolva
modelagem e simulação. Este procedimento é dividido em quatro etapas gerais, que são, planejamento,
modelagem, experimentação e a tomada de decisão com a conclusão do projeto (FREITAS FILHO, 2008).
• Etapa de planejamento: a etapa de planejamento é dividida em três partes, a formulação e
análise do problema, o planejamento do projeto e a formulação do modelo conceitual.
• Formulação e análise do problema: é fundamental definir o problema, sendo defi-
nidos o propósito do estudo e os objetivos que se quer alcançar. Deve-se definir quais
as respostas esperadas, os critérios de avaliação do sistema, as hipóteses e as restrições e
limites esperados das soluções.
• Planejamento do projeto: serve para verificar se há recursos suficientes como suporte,
pessoal, software e hardware para a realização do trabalho proposto. Deve-se criar um
cronograma temporal das atividades e os custos envolvidos em cada parte do projeto.
• Formulação do modelo conceitual: a descrição do modelo pode ser feita por meio de
fluxograma (forma gráfica) ou pseudocódigo (algoritmo), definindo os componentes
do modelo e sua inter-relação. Determina-se a estratégia de modelagem, discreta ou
contínua, a quantidade de detalhes do modelo, forma de apresentação de resposta (re-
latórios, animação) e admissão de dados (manual ou leitura de arquivos), além do nível
de personalização dos cenários.
Observe que, nesta etapa, todo o sistema é caracterizado, necessitando de um bom entendimento dele.
A Etapa de modelagem é dividida em três partes, coleta de dados, tradução do modelo e validação
do modelo, esta etapa é responsável por deixar o modelo pronto para a simulação.
• Coleta de dados: esta coleta se baseia em informações e estatísticas fundamentais advindos
de experiências pessoais ou dados históricos. Analisa-se as relações e as regras que conduzem a
dinâmica do sistema, o tipo de informação disponível e os custos que estão envolvidos no sistema.
• Tradução do modelo: é o momento de codificar o modelo na linguagem de simulação apropria-
da. São definidos os responsáveis por esta transcrição, também a forma de comunicação entre
os responsáveis pela programação e a documentação clara das variáveis e atributos do modelo.
114
UNIDADE 4
• Verificação e validação do modelo: os resultados do modelo são analisados para averiguar

sua representatividade em relação ao mundo real, assim como é verificada a existência de erros
de sintaxe e lógica.
Depois de analisar o sistema, o modelo é criado e analisado para verificar sua validade junto aos dados
disponíveis (se houver) do sistema real. Na Etapa de experimentação, ocorre a simulação do sistema,
executando-se o projeto do experimento, o experimento em si e a interpretação dos resultados.
• Projeto experimental final: projeta-se um conjunto de experimentos que possa resultar nas
informações desejadas, determinando-se como cada teste será realizado. O ideal é atingir os
objetivos da simulação com o menor número de experimentos possível.
• Experimentação: ocorre a execução das simulações planejadas no projeto experimental com
a obtenção dos dados de resposta do modelo para a análise de sensibilidade.
• Interpretação e análise estatística dos resultados: os resultados do modelo, usualmente, são
submetidos a análises estatísticas para verificar seu grau de confiabilidade e reprodutibilidade.
Nesta fase, verifica-se o tempo que o modelo precisa para atingir o estado de regime (dados
constantes) e se há período de aquecimento (tempo necessário para que o modelo deixe de
sofrer influência dos dados de partida).
Nesta etapa, o modelo validado e verificado é submetido a diversos cenários de simulação (experimen-
tos) para obtenção de dados que caracterizem seu comportamento. A Etapa de Tomada de decisão é a
última etapa do processo de modelagem e simulação, nela, são feitas as comparações entre as melhores
soluções, a documentação e a apresentação dos resultados com a posterior implementação.
• Comparação e identificação das melhores soluções: as soluções encontradas são comparadas
com o sistema padrão que esteja em operação ou umas com as outras a fim de encontrar a que
apresente o melhor resultado dentro do que propõe o modelo.
• Documentação: assim como o modelo em seu processo de elaboração, deve ser, devidamente,
documentado, as soluções encontradas bem como a melhor opção também devem ser bem
descrita para que o responsável pela implementação possa executar tudo, corretamente. É im-
portante apresentar os ganhos econômicos obtidos com a implementação da melhoria proposta.
• Apresentação dos resultados e implementação: é fundamental que toda a equipe envolvida na
modelagem e na simulação faça a apresentação dos resultados retomando os objetivos do projeto,
apresentando quais os problemas que foram resolvidos e os benefícios alcançados. Não deve ficar
de fora as alternativas que foram rejeitadas e os motivos para a rejeição bem como garantir que
os responsáveis pela implementação tenham entendido a abordagem utilizada e seus benefícios.
Nas próximas unidades do nosso livro, você aprenderá a analisar dados de tempos de transferência de
material entre etapas do processo e dados de tempos de execução das atividades. Você utilizará ferra-
mentas computacionais, como o Excel e o software Arena para avaliar os dados, identificar a melhor
distribuição de probabilidade para representar os dados, estruturar o modelo e resolvê-lo.
115
UNICESUMAR
Olá, convido você a ouvir este Podcast da quarta unidade do livro

Simulação de Processos Produtivos. Nele, você ouvirá um estudo de
caso sobre uma aplicação da Teoria das Filas, no setor industrial.
No início da unidade, você foi estimulado a analisar um sistema de fila com dois postos
de atendimento com modelo markoviano do tipo M/M/1/∞/FIFO, tendo uma
taxa média de chegada de três clientes por minuto e as capacidades de atendimento
para o Posto 1 de cinco clientes por minuto e, para o Posto 2, de quatro clientes por
minuto. Para analisar, individualmente, cada posto de atendimento, basta aplicar as
equações do modelo para cada situação. Assim, teremos:
Para o Posto 1
λ2 32
NF1 0, 9
µ1 µ1 λ 5 5 3
λ 3
NS1 1, 5
µ1 λ 5 3
λ 3
TF1 0, 3 min
µ1 µ1 λ 5 5 3
1 1
TS1 0, 5 min
µ1 λ 5 3
λ 3
ρ1 0, 6
µ1 5
P01 1 ρ1 1 0, 6 0, 4
116
UNIDADE 4
Para o Posto 2, teremos:

λ2 32
NF2 2, 25
µ2 µ2 λ 4 4 3
λ 3
NS2 3
µ2 λ 4 3
λ 3
TF2 0, 75 min
µ2 µ2 λ 4 4 3
1 1
TS2 1 min
µ2 λ 4 3
λ 3
ρ2 0, 75
µ2 4
P02 1 ρ2 1 0, 75 0, 25
Ao analisar os dois postos, você verifica que o Posto 2 é o gargalo do sistema apresentando uma taxa
de ocupação mais alta, resultando em um tempo de fila superior ao dobro do tempo de fila do Posto 1.
Pelos tempos de execução das atividades, já se esperava que o Posto 2 fosse o mais lento para liberar o
produto, no entanto a análise pela Teoria das Filas permite quantificar melhor tais valores e traz novas
possibilidades de análise do problema.
Em sua vida profissional, a possibilidade de analisar os sistemas de filas é muito importante, pois
a maioria dos sistemas produtivos apresentam-se como um conjunto de operações em série e/ou em
paralelo, uma influenciando a outra e, ao analisar a formação de filas nas etapas intermediárias, você
tem mais clareza de como seu sistema se comporta e pode propor melhorias para que a produtividade
aumente. Na Unidade 5, você aprenderá a trabalhar com os dados coletados de processos para que
tenham qualidade e possam gerar os parâmetros do modelo com mais precisão.
117
Para ajudar você a sintetizar os principais pontos desta unidade, preparei um esboço de Mapa
Mental, parcialmente preenchido, para que você o complete de acordo com as informações dis-
ponibilizadas em nossa unidade para a caracterização dos dois tipos de fila. Observe e complete
os espaços não preenchidos.
Modelo M/M/4/inf./FIFO
Formação de fila em cada etapa
NF, NS, TF, TS = soma dos

parâmetros de cada etapa
SÉRIE DE FILAS
Usuários são rejeitados se o sistema

Não admite formação de fila estiver cheio
entre as etapas
Descrição da Imagem: na figura, há um Mapa Mental com um retângulo em cujo centro está escrito Série de Filas. Deste retângulo,
surge uma ramificação para cima conectada a um retângulo que não está preenchido e ele está conectado a três outros retângulos
onde se lê Modelo M/M/1/inf/FIFO (esquerda), formação de fila em cada etapa (centro) e NF, NS, TF, TS = soma dos parâmetros
de cada etapa (direita). Do retângulo central, também sai uma ramificação para baixo conectada a outro retângulo que está vazio.
Este retângulo, está conectado a dois outros retângulos em que se lê “Não admite formação de fila entre as etapas” (esquerda), e
“Usuários são rejeitados se o sistema estiver cheio” (direita).
118
1. Considere um sistema em série de fila sem bloqueio que tenha quatro etapas. Na etapa
1, há 4 postos de atendimento que ocorrem a uma taxa média de 5 clientes/min para
cada posto. Na etapa 2, há 3 postos de atendimento com uma taxa média de atendimen-
to de 8 clientes por minuto, na etapa 3, há 5 postos de atendimento com uma taxa média
de atendimento de 6 clientes por minuto e, na etapa 4, há 3 postos de atendimento
com uma capacidade de atendimento de 7 clientes por minuto. Atualmente, chegam ao
sistema, na etapa 1, 18 clientes por minuto. Deseja-se analisar o comportamento desta
série de filas considerando que todas as taxas seguem uma distribuição exponencial
do tipo M/M/s/inf/FIFO. Encontre o número médio de clientes na fila e no sistema para
cada etapa e para o sistema como um todo. Também determine os tempos médios de
fila e o sistema por etapa e para o sistema como um todo.
2. Se no problema apresentado na atividade 1 houver um custo de espera de cada clien-

te de R$3,50/min e custo de operação em cada etapa de R$2,15/min para a etapa 1,
R$1,95 para a etapa 2, R$3,10/min para a etapa 3 e R$2,05/min para etapa 4, avalie o
custo do sistema de fila.
3. Analise, agora, o problema composto pelas atividades 1 e 2 e implemente o problema

no Excel, aplique o Solver para minimizar o custo total do sistema, utilizando como va-
riáveis de decisão a quantidade de postos de atendimento em cada etapa do processo.
Adote como restrições do problema que as variáveis de decisão são números inteiros e
que as taxas de ocupação de cada posto de atendimento sejam menores ou iguais a 1.
Escreva as quantidades de postos de atendimento para cada etapa e o custo encontrado.
4. Uma serraria processa toras de árvore para produção de pranchas e vigas de madeira
comercializadas para a indústria moveleira. A tora, ao chegar na serraria, é dividida
em três partes, duas costaneiras e um bloco central, e este processo é feito em uma
serra tandem. Em seguida, as costaneiras seguem em duas linhas diferentes para um
conjunto de serras fita horizontais. Das serras fita, as costaneiras cortadas em partes
menores são enviadas para um conjunto de refiladeiras e, em seguida, para destopa-
deiras. O bloco central, ao sair da serra tandem, passa por uma serra múltipla e, em
seguida, é enviada para as destopadeiras. O Engenheiro da serraria deseja analisar este
processo, considerando as três linhas de produção. Ele, então, classificou as costaneiras
em Costaneira Superior e Costaneira Inferior e considerou o meio da tora como Bloco
Central. As três linhas começam na serra tandem, logo, esta será considerada como
equipamento comum a todas as partes da tora que são cortadas. As demais serras são
separadas por parte que compõe cada segmento da tora. Uma análise de tempos de
processamento em cada serra foi feita pelo engenheiro, e os dados são apresentados
na Tabela 1, sendo separados por segmento de tora quando necessário. É, também,
considerada, nesta tabela, a quantidade de serras presentes em cada etapa.
119
Quantidade t (s)
Serra Tandem 1 29
Costaneira Superior
Serra Fita Horizontal 2 42
Refiladeira 3 50
Destopadeira 3 55
Costaneira Inferior
Serra Fita Horizontal 3 60
Refiladeira 2 35
Destopadeira 3 50
Bloco Central
Serra Múltipla 2 46
Destopadeira 2 45
Tabela 1 - Tempos de processamento das serras para cada operação da serraria / Tempo médio em segundos para
cada tipo de serra / Fonte: o autor.
Para modelar o sistema e o analisar, o Engenheiro definiu que a Serra Tandem alimenta
as três linhas com a mesma taxa de entrada de material. Portanto, as linhas das Cos-
taneiras Superior e Inferior se iniciam nas Serras Fita, e a linha do Bloco Central, na
Serra Múltipla. Os três sistemas são considerados como filas em série sem bloqueio
e apresentam suas taxas médias de processamento, segundo uma distribuição expo-
nencial M/M/s/inf/FIFO. Desta maneira, avalie as três linhas com relação às medidas
de desempenho da fila, calculando os tempos médios de Fila e de Sistema em cada
linha bem como a quantidade de material na fila para processamento, trabalhe com
uma base de tempo em horas.
120
121
122
5
Análise e Tratamento
dos Dados
Olá, caro (a) estudante, na quinta unidade do livro Simulação de

Processos Produtivos, você aprenderá a analisar os dados de entra-
da de um problema de simulação. Quando você estudou as filas,
os parâmetros, como as taxas médias de chegada e atendimento
eram conhecidos, no entanto você aprenderá a analisar os dados
que originam as taxas médias, bem como avaliará a distribuição de
probabilidade que melhor ajusta os dados. Vamos lá!
UNICESUMAR
As filas estudadas nas unidades anteriores foram sempre tratadas

como tendo comportamento exponencial para os dados de chegada
e atendimento. Mas você também viu que é possível os dados terem
outro comportamento que não o exponencial. Imagine que você
pegou um cronômetro e anotou 100 tempos de processo de uma
máquina, desde o momento em que uma peça chega à máquina até
o momento em que ela libera a peça estando livre para reiniciar o
processo com outra peça. Todos estes dados podem ser analisados e
avaliados sob o ponto de vista estatístico, sendo assim, uma distribui-
ção de probabilidade pode ser ajustada aos dados e, desta maneira,
os parâmetros de fila podem ser determinados.
Agora, em posse de todos estes 100 dados de tempo, como você
acha que seria possível avaliar a distribuição de probabilidade que
ajusta, adequadamente, os dados? Como encontrar as taxas médias
de chegada e/ou atendimento de um processo? Será que todos os
dados coletados são bons para representar o processo em estudo?
Nesta unidade, você aprenderá a fazer o tratamento destes dados
utilizando o Excel, de uma maneira bem simples e prática.
É muito importante saber analisar os dados disponibilizados do
processo, avaliar qual é a qualidade destes dados, se não há algum
valor que esteja fora, muito cima ou muito abaixo dos valores médios.
Análises estatísticas, como média, desvio padrão e variância também
são muito úteis para avaliar o comportamento dos dados. Perceba
que esta é a etapa inicial de solução de um problema com Teoria das
Filas e com simulação, pois desta maneira você parte do princípio
de que os dados que entram para a simulação sejam adequados.
No final da unidade quatro, você estudou que o modelo de si-
mulação deve ser o mais simples possível e, ao mesmo tempo, deve
representar, adequadamente, o sistema real. Todos os modelos for-
mados por equações apresentam parâmetros, ou seja, valores nu-
méricos que compõem o modelo e que não são as variáveis. Nos
modelos de Teoria das Filas que serão utilizados no software de
simulação, as taxas médias de chegada e atendimento são os parâ-
metros aplicados aos modelos, logo, uma estimativa adequada destes
valores é de fundamental importância, e você aprenderá a fazer estas
análises nesta unidade.
Agora, você pode fazer um aquecimento. Na Tabela 1, estão pre-
sentes dezesseis dados de tempo em segundos de um processo de
corte a laser de chapas de aço:
124
UNIDADE 5
4,2 5,7 4,6 5,2
7,9 6,3 5,1 4,5
18,3 4,5 5,2 6,1
5,8 4,9 5,0 0,8
Tabela 1 - Dados de tempo, em segundos, para o corte a laser de chapas de aço/ Fonte: o autor.
Estes dados foram medidos e serão utilizados para avaliar o comportamento do corte das chapas de aço
para que se faça uma automação do processo, logo, quanto mais preciso for o tempo médio avaliado,
melhores serão os resultados, durante a execução da atividade. Um avaliador analisou os dados e obteve
um tempo médio de 5,88s, considerando todos os dados presentes. Agora, calcule a média destes dados
removendo os valores 18,3s e 0,8s e observe o novo valor médio. Se você considerar duas casas decimais
e entender que uma diferença de 0,3s já é o bastante, veja como a presença de valores extremos (muito
maiores ou muito menores do que os demais dados presentes na Tabela 1) afetam a média encontrada.
Por este motivo, é de suma importância que você tenha uma atenção especial aos dados coletados de
um sistema produtivo.
Antes de prosseguirmos, gostaria que você anotasse no Diário de Bordo a importância de avaliar,
adequadamente, os dados que originarão as taxas médias de chegada e atendimento dos modelos. Escre-
va suas impressões sobre o cálculo adequado da média dos valores, por exemplo, e o impacto que estes
podem ter no resultado da simulação.
DIÁRIO DE BORDO
125
UNICESUMAR
Como visto nas unidades anteriores, após a definição e a descrição

do problema, inicia-se a etapa de modelagem, que consiste na coleta
de dados e na transcrição matemática do modelo com sua posterior
solução. A coleta de dados é de fundamental importância para que
se possa alimentar o modelo com valores que tenham significado
real e que possam representar adequadamente o sistema estudado.
Muitas empresas apresentam informações detalhadas de todos
ou, ao menos, alguns aspectos de sua operação, como frequência de
parada e quebra de equipamentos ou tempo de serviço de determi-
nado posto de trabalho. Na maioria das vezes, as informações são
escassas ou insuficientes para facilitar a vida do modelador.
Em caso de dados incompletos disponíveis, o modelador precisa
conseguir assistência adicional daqueles que estão envolvidos, dire-
tamente, com o sistema estudado, reunir informações por si mesmo
e/ou se apoiar em alguns pressupostos (hipóteses) para a construção
do modelo. Esses pressupostos podem ser verificados utilizando
uma análise de sensibilidade, depois do modelo pronto, de maneira
a verificar se há um impacto muito grande na resposta do modelo
caso os parâmetros advindos das considerações do modelador so-
fram variações em seus valores iniciais (BATEMAN et al., 2013).
Inicialmente, o modelador deve se preocupar com os “dados ma-
cro”, sem pormenores. Depois de criado o modelo, verifica-se quais
parâmetros são mais significativos na resposta do modelo, devendo,
então, ser analisados com mais detalhes. A coleta de dados é um
processo continuado, devendo o modelador receber informações
do(s) setor(es) analisados sempre que possível, pois assim, terá a
possibilidade de aprimorar o modelo e confirmar sua validade, além
da capacidade de alterar o modelo de acordo com mudanças que
possam ocorrer com o sistema. Quando o sistema não existe, como
em um projeto, não há dados na empresa para alimentar o modelo,
uma das saídas é utilizar as especificações dos equipamentos que
constituirão o sistema, mesmo não sendo a melhor opção. Outra
forma, é tentar coletar informações de sistemas similares e existentes,
evitando-se sistemas que apresentem tecnologias muito novas, pois
podem não representar uma tendência natural do processo em si
(BATEMAN et al., 2013).
A maior parte dos sistemas produtivos simulados é governada
por fenômenos aleatórios, como um sistema que apresente um
operador executando uma tarefa repetitiva centenas de vezes. Não
126
UNIDADE 5
é possível estabelecer exatamente qual será o tempo de execução do serviço, no entanto é possível
analisar a informação “tempo de execução” como um comportamento probabilístico, devendo ele
analisado, estatisticamente, e o comportamento dos dados precisa ser representado por um modelo
probabilístico adequado (CHWIF; MEDINA, 2015).
Neste contexto, deseja-se modelar os dados de entrada, ou seja, representar os dados por um modelo
probabilístico que permita deduzir as propriedades de um fenômeno aleatório. Se o objetivo é estudar
o comportamento da fila de um banco, deseja-se saber de quanto em quanto tempo um cliente chega à
fila. Utilizar a média dos valores seria uma simplificação que poderia não representar corretamente o
problema. Ao utilizar um modelo probabilístico que contemple o comportamento variável do tempo
de chegada dos clientes, a análise do sistema apresentará melhores resultados.
Segundo Chwif e Medina (2015), os processos de entrada de dados são representados por variáveis
iid, ou seja, independentes e identicamente distribuídas. Se você lançar um dado por cinco vezes e
em todas aparecer a face com o número 3, ao lançar a sexta vez o dado, a probabilidade ou a chance de
aparecer o número 3 é a mesma comparada a todos os outros lançamentos, ou seja, não aumenta, nem
diminui. Os modelos probabilísticos que permitem aproximar o comportamento da distribuição de
valores das variáveis aleatórias são, geralmente: Normal, Beta, Erlang, Exponencial, Gama, Lognormal,
Poisson, Triangular, Uniforme e Weibull. Estes modelos de distribuição são divididos em modelos
contínuos e discretos, dependendo de como os dados são analisados em função do tempo. Algumas
das principais distribuições são apresentadas a seguir.
O modelo de distribuição normal é uma das principais distribuições contínuas, apresenta um
comportamento dos dados na forma de um sino, considerando fenômenos simétricos em torno da
média (μ), como mostrado na Figura 1.
Figura 1 - Representação do modelo de

Distribuição Normal / Fonte: o autor.
Descrição da Imagem: figura com

a distribuição de probabilidade nor-
mal. Há dois eixos coordenados, o
eixo vertical tem o valor de f(x), e
o eixo horizontal o valor de x. No
centro do eixo horizontal, há a letra
grega “mi”. A curva tem formato de
uma montanha com o centro mais
alto e as laterais mais baixas.
Este tipo de distribuição é comum quando o processo a que se refere pode ser representado pela soma
de diversos processos componentes, como é o caso do tempo de execução de uma operação que é a
soma dos tempos de execução de todas as etapas da operação (FREITAS FILHO, 2008). Os parâme-
127
UNICESUMAR
tros de análise deste tipo de distribuição são a média (μ) e a variância dos dados (σ2) cuja equação é
expressa da seguinte forma:
2
x µ
1 2
f ( x) e 2σ
σ 2π
O modelo de distribuição uniforme, também uma distribuição contínua, é representado de maneira

que todos os valores dentro de um intervalo [a, b] apresentem a mesma probabilidade de ocorrer. É
considerado o modelo mais simples, e seu uso é sinal de que as informações sobre o sistema em estudo
são poucas, como os dois limites de ocorrência. Na Figura 2, é apresentada a forma gráfica deste modelo.
f(x)
1/(b-a)
a b
Figura 2 - Representação do modelo de Distribuição Uniforme / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma figura com a distribuição de probabilidade uniforme. Há dois eixos coordenados, o
eixo vertical tem o valor de f(x), nele aparece escrito 1/(b-a), e o eixo horizontal o valor de x, onde aparecem as letras a, mais próxima
à esquerda, e a letra b, mais próxima à direita. A curva tem formato de uma linha reta horizontal.
Seu uso mais comum é na geração de valores aleatórios entre 0 e 1 para aplicação de diversos métodos
numéricos. Sua forma matemática é representada na seguinte maneira:
1
para a xb
f ( x) b a
0 caso contrário
128
UNIDADE 5
Já o Modelo Triangular é muito utilizado quando não se conhece a curva associada à variável aleatória
do sistema a ser simulado, mas seu limite inferior (a), superior (b) e seu valor mais provável (m) são bem
conhecidos. Esta é outra distribuição contínua. A forma desta distribuição é apresentada na Figura 3.
f(x)

Distribuição Triangular / Fonte: o autor.
Descrição da Imagem: na imagem

aparece uma figura com a distribui-
ção de probabilidade triangular. Há
dois eixos coordenados, o eixo ver-
tical tem o valor de f(x), e o eixo ho-
rizontal o valor de x, onde aparecem
as letras a, mais próxima à esquerda,
e a letra b, mais próxima à direita.
Entre a e b aparece a letra m onde
está o ponto mais alto de f(x). A curva
tem formato triangular, e o pico do
triângulo está no ponto m.
a m b
A equação que representa este modelo é definida como:

2 x a
para axm
m a b a
2 x b
f ( x) para m xb
b m b a
0 caso contrário

O Modelo Exponencial é o tipo de modelo contínuo utilizado em sistemas de filas, tendo como prin-
cipal característica a falta de memória, ou total imprevisibilidade, mesmo que se conheçam resultados
passados (FREITAS FILHO, 2008). Quando se analisa o tempo entre duas chegadas consecutivas de
entidades ou falhas de equipamento, há muitos fatores independentes, o que permite uma boa repre-
sentação dos dados por este tipo de modelo. Na Figura 4, é apresentada a forma gráfica deste modelo.
129
UNICESUMAR
f(x)

Distribuição Exponencial / Fonte: o autor.
Descrição da Imagem: na imagem,

ção de probabilidade exponencial.
Há dois eixos coordenados, o eixo
vertical tem o valor de f(x), e o eixo
horizontal o valor de x. A curva tem
formato decrescente da esquerda
para a direita, com uma leve conca-
x
vidade para cima.
A forma matemática desta distribuição é dada por:

le l x para x 0
f ( x)
0 caso contrário
Nesta função, λ representa o inverso da média dos dados obtidos.

O Modelo Lognormal é obtido aplicando-se o logaritmo natural a uma variável que apresente
distribuição normal. Sua aplicação é comum para analisar a taxa de retorno de um ativo durante o mês,
devido às variações do preço diário deste ativo. Outra aplicação é em engenharia de confiabilidade
para analisar falhas causadas por fadigas de materiais. A forma gráfica desta distribuição é apresentada
na Figura 5. Observe que ela também é uma função da variância das amostras (σ2) e da média (μ).
f(x)

Distribuição Lognormal / Fonte: o autor.

ção de probabilidade lognormal.
Há dois eixos coordenados, o eixo
vertical tem o valor de f(x), e o eixo
horizontal o valor de x. A curva tem
formato de um morro com o pico
mais próximo do lado esquerdo da
x
imagem.
130
UNIDADE 5
A forma matemática desta distribuição é dada por:

2
ln x µ
1 2σ 2
f ( x) e
σ x 2π
Além destas distribuições de probabilidade, outras ainda são possíveis, como as distribuições Gama, Beta,
Erlang, entre outras. Quem ditará a distribuição de probabilidade mais adequada são os dados coletados do
sistema, ou seja, o processo real fornecerá as informações necessárias para que se determine a distribuição
de probabilidade com melhor ajuste. Por este motivo, é importante saber analisar os dados utilizados.
Os dados coletados são os que representam valores para as variáveis de entrada no sistema que será
simulado. Em um sistema como o caixa de um supermercado, as variáveis mais importantes são o tempo
de chegadas sucessivas de clientes e o tempo gasto no atendimento, pois ambos os valores definem a fila
formada, atendimento e do tempo de chegada de clientes. Definidas as variáveis, o tempo de espera dos
clientes não seria um dado de entrada, mas um parâmetro de avaliação do desempenho do sistema, pois
o tempo que um cliente esperará na fila dependerá do tempo de entrada do sistema, são, então, feitos os
levantamentos de dados que correspondem a estas variáveis.
Utilizam-se os conceitos estatísticos, pois não é possível levantar os valores de todos os dados existen-
tes. A população é escolhida, no caso do exemplo do caixa de supermercado, ela representará o tempo
entre todos os clientes que chegam ao sistema (supermercado), obviamente, não há como medir todos os
tempos entre chegadas sucessivas de clientes, por este motivo, escolhe-se uma amostra para representar
a população. Neste exemplo, pode-se fazer a medição dos tempos de chegadas sucessivas entre clientes
em um dia da semana das 12h às 19h.
Quando se trata de levantamento de tempos no sistema, o modelador pode utilizar um cronômetro e
ir a campo efetuar as medições. Considera-se uma boa amostra uma quantidade de observações entre 100
e 200. Abaixo de 100 medições, a amostra pode não representar, adequadamente, a população, e acima de
200 medições, pouco pode ser acrescentado à representatividade da população pela amostra selecionada.
131
UNICESUMAR
Depois da coleta de dados, analisá-los é de suma importância, e isso é feito com o tratamento dos
dados. O tratamento dos dados de entrada no modelo, costumeiramente, é feito, estatisticamente.
Ferramentas da estatística descritiva auxiliam a encontrar informações, tais como: média, mediana,
moda, mínimo e máximo, que representam medidas de posição dos dados, auxiliando na visualização
de outliers. As medidas de dispersão, como amplitude, desvio-padrão, variância e coeficiente de assi-
metria ajudam a observar o comportamento dos dados. Cabem, aqui, algumas definições importantes
(CHWIF; MEDINA, 2015):
Soma de todos os valores encontrados dividida pela quantidade total de

Média
observações.
Valor de referência no conjunto de dados, de maneira que metade dos dados
Mediana apresente valor menor ou igual à mediana, e metade apresente valor maior
ou igual à mediana.
Moda Dado que mais aparece no conjunto em análise.
Mínimo Menor valor da série de dados.
Máximo Maior valor da série de dados.
Amplitude Diferença entre o valor máximo e o valor mínimo do conjunto de dados
Determina a dispersão dos dados, ou seja, como estes estão distantes do

Variância
valor médio encontrado.
Desvio-padrão Raiz quadrada da variância encontrada.
Indica se a distribuição dos dados é simétrica, ou não. Quando o seu valor

é distante de zero, os dados não apresentam comportamento simétrico;
Coeficiente
se for negativo, então, a cauda do lado esquerdo da função densidade de
de Assimetria
probabilidade é maior que a do lado direito. Se o valor for positivo, a cauda
do lado direito é maior que a do lado esquerdo.
Quadro 1 - Definições estatísticas importantes para análise de dados / Fonte: o autor.
Um dos objetivos do tratamento dos dados a serem simulados é a identificação dos outliers, que são
os pontos que se destacam dos demais, ou seja, valores muito grandes ou muito pequenos em relação
à maioria dos dados obtidos. Nesta etapa, é importante detectar os outliers que realmente não seriam
significativos, pois alguns valores, mesmo um pouco distantes da média, podem representar o com-
portamento do sistema, de maneira que não devem ser desprezados.
Após a identificação dos outliers e a eliminação dos pontos extremos, pode-se fazer a inferência dos
dados para verificar qual distribuição de probabilidade representa o fenômeno estudado. Para isso, você
deve construir um histograma dos dados amostrados. Neste ponto, os valores observados são dividi-
dos em classes, e a frequência de aparecimento dos valores das classes é determinada. Diversas regras
podem ser utilizadas para fazer esta divisão, entre elas a regra de Sturges, que você aprenderá adiante.
A construção do histograma permite analisar o comportamento dos dados e avaliar qual das dis-
tribuições melhor representaria os dados experimentais. Após a seleção do tipo de distribuição, testes
são feitos para analisar se os valores experimentais condizem com os valores previstos pelo modelo
132
UNIDADE 5
selecionado. Assim que os dados são organizados e analisados pelas ferramentas da estatística descritiva
e uma distribuição de probabilidade é ajustada aos dados, testes de aderência são feitos para verificar se
essa distribuição representa, corretamente, os dados analisados. Este é o assunto que veremos a seguir.
Esta etapa da modelagem é essencial para verificar se o modelo de dispersão selecionado “adere” aos
dados, ou seja, se os valores estimados pelo modelo são, suficientemente, próximos aos observados nas
medições executadas. Geralmente, são definidas duas hipóteses, a hipótese nula H0(zero) e a hipótese
alternativa, Ha, sendo representadas por:
H0: o modelo de distribuição é adequado para representar os dados da amostragem realizada.
Ha: o modelo de distribuição não é adequado para representar os dados da amostragem.
Testes como o qui-quadrado e Kolmogorov-Sminorv são realizados para aceitar a hipótese H0 e adotar
o modelo, ou rejeitar a hipótese H0 e testar um novo modelo. O Teste do qui-quadrado (Χ2), segun-
do Chwif e Medina (2015), baseia-se na determinação dos desvios entre as frequências acumuladas
observadas em cada classe (Ok) e as frequências teóricas, utilizando o modelo escolhido (Tk) para as
mesmas classes. Para cada classe de dados (k), determina-se o erro Ek pela expressão:
2
Ek
Ok Tk
, k 1, 2,..., K
Tk
O somatório dos valores de Ek para todas as classes determina a estatística E com distribuição qui-
-quadrado com K – 1 – n (K menos 1 menos n) graus de liberdade, lembrando que K é a quantidade
total de classes, e n o total de observações (dados) feitas:
K
E Ek
k 1
Com o nível de significância e os graus de liberdade, é possível obter da tabela de distribuição do qui-
-quadrado o Ecrítico, se o valor do E encontrado for maior do que o Ecrítico, então, a hipótese H0 é rejeitada,
ou seja, o modelo teórico escolhido não adere aos dados, não podendo ser utilizado na representação
e na simulação dos dados. Se o valor do E encontrado for menor do que o Ecrítico, então, o modelo pode
ser utilizado na simulação.
A utilização do teste do qui-quadrado está condicionada às classes que apresentam uma frequência
maior ou igual a 5. Se alguma classe apresentar valor menor, deve ser agrupada em outra para que
tenha no mínimo frequência relativa 5.
O Teste de Kolmogorov-Smirnovfaz faz a comparação da função acumulada do modelo teórico
com a função acumulada dos dados observados. Basicamente, o método determina a maior distância
absoluta entre as duas distribuições acumuladas, segundo a expressão:
F x S x
max
D
x
133
UNICESUMAR
Sendo D a distância absoluta máxima, S(x) a função acumulada

observada e F(x) a função acumulada teórica. Para realizar o teste,
deve-se analisar para todos os valores observados o D, ou seja, a
distância em relação ao modelo utilizado. O maior valor dos D’s
encontrados será tomado como referência e comparado a um Dcrítico
que

é tabelado. Se o valor de D (máximo) for menor do que Dcrítico, o
modelo é aceitável para o processo de simulação. O software Arena,
utilizado para simulação nas próximas unidades, executa estes testes
para averiguar a melhor distribuição de probabilidade que ajusta
aos dados. Por enquanto, trabalharemos com o Excel para análises
preliminares dos dados utilizados na simulação.
As análises estatísticas dos dados conferem qualidade às

estimativas dos parâmetros. Imagine um sistema que pos-
sua medidas variando de 2s a 5s e, em um dos valores, apa-
rece 16s, um valor bem distante dos demais. Ao investigar a
medida, você pode descobrir que, naquele momento, houve
uma falha no equipamento, e uma parada de emergência
foi necessária. Neste ponto, você sabe que a medida foi
tendenciosa devido ao problema e não sofreu variações
aleatórias, sendo assim, uma análise dos outliers permite
eliminá-lo, e o valor não influenciará no cálculo das taxas
médias.
Os autores Chwif e Medina (2015) trazem um exemplo de avaliação de

uma fila de supermercado, onde os dados do levantamento são apre-
sentados no Exemplo 1. O mesmo exemplo será utilizado para que você
entenda como utilizar o Excel para resolver esta análise preliminar.
134
UNIDADE 5
01. EXEMPLO na Tabela 2, são apresentados os valores de levantamento do tempo de chegadas

sucessivas entre clientes em um supermercado. Analise os dados tabelados e veri-
fique a presença de outliers, levante as estatísticas descritivas dos dados e crie um
histograma para os dados.
11 5 2 0 9 9 1 5
1 3 3 3 7 4 12 8
5 2 6 1 11 1 2 4
2 1 3 9 0 10 3 3
1 5 18 4 22 8 3 0
8 9 2 3 12 1 3 1
7 5 14 7 7 28 1 3
2 11 13 2 0 1 6 12
15 0 6 7 19 1 1 9
1 5 3 17 10 15 43 2
6 1 13 13 19 10 9 20
19 2 27 5 20 5 10 8
2 3 1 1 4 3 6 13
10 9 1 1 3 9 9 4
0 3 6 3 27 3 18 4
6 0 2 2 8 4 5 1
4 18 1 0 16 20 2 2
2 12 28 0 7 3 18 12
3 2 8 3 19 12 5 4
6 0 5 0 3 7 0 8
8 12 3 7 1 3 1 3
2 5 4 9 4 12 4 11
9 2 0 5 8 24 1 5
12 9 17 728 12 6 4 3
5 7 4 4 4 11 3 8
Tabela 2 - Tempos entre chegadas sucessivas de clientes do supermercado (em segundos)
Fonte: Chwif e Medina (2015, p. 21).
135
UNICESUMAR
Solução: Observe que são diversos os valores encontrados, em um universo de 200

medições. Todos os dados encontrados devem passar por uma análise para verificar
se há consistência entre eles. Existem diversos softwares de estatística capazes de
efetuar a análise dos dados de maneira direta, fornecendo-nos as informações neces-
sárias para que haja uma modelagem segura. Alguns softwares de simulação também
apresentam pacotes de simulação que permitem integrar a função de modelagem e
de simulação do sistema, é o caso do Arena que você verá nas próximas unidades.
No entanto, o próprio Excel é muito útil para realizar análises básicas de estatística.
Retornemos aos dados apresentados na Tabela 2. O primeiro passo para analisar
os dados, estatisticamente, no Excel, é escrever os dados na planilha, podendo digitá-
-los na sequência apresentada na Tabela 2, mas em apenas uma linha ou uma coluna.
Selecione a aba “Dados” e a opção “Análise de Dados”, como apresentado nas Figuras
6 e 7. Ao clicar em Análise de Dados, aparecerá uma janela como a apresentada na
Figura 8, escolha a opção “Estatística descritiva”.
Figura 6 - Seleção da aba “Dados” do Excel / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a parte superior das ferramentas do Excel com a aba “Dados”
selecionada.
Figura 7 - Ferramenta “Análise de Dados” na aba “Dados” / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a parte superior das ferramentas do Excel na aba “Dados” com a
opção “Análise de Dados” selecionada.
136
UNIDADE 5
Figura 8 - Janela de Análise de dados / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela de “Análise de Dados” com a opção “Estatística descritiva”
selecionada.
Clique em “OK” e abrirá uma nova janela como a apresentada na Figura 9.
Figura 9 - Janela de estatística descritiva

Fonte: o autor.

aparece a janela “Estatística descri-
tiva” com as opções Agrupado por
Colunas e Opções de saída em Nova
Planilha selecionada.
Em “Intervalo de entrada”, selecione a sequência de dados digitados na planilha. Se

você os escreveu em uma coluna, deixe “agrupado por:” em “Colunas”, se você digitou
os dados em uma linha, marque a opção “Linhas”. Mantenha selecionada a opção “Nova
Planilha” e marque a opção “Resumo estatístico”, como apresentado na Figura 10.
137
UNICESUMAR
Figura 10 - Janela da estatística descriti-

va preenchida / Fonte: o autor.

aparece a janela “Estatística descri-
tiva” com as opções Agrupado por
Colunas e Opções de saída em Nova
Planilha selecionada. No campo In-
tervalo de Entrada, estão substituí-
das as células da planilha com os
valores a serem analisados. A opção
Resumo estatístico também está se-
lecionada.
Clicando em OK, aparecerá uma nova planilha com os parâmetros estatísticos cal-
culados, como apresentado na Figura 11.
Figura 11 - Relatório de estatística des-

critiva apresentado pelo Excel
Fonte: o autor.

aparece uma parte da planilha de
solução das estatísticas descritivas
com os resultados apresentados
pelo programa. Na coluna A, estão
os principais parâmetros estatísticos
analisados, Média, Erro padrão, Me-
diana, Moda, Desvio Padrão, Variân-
cia da amostra, Curtose, Assimetria,
Intervalo, Mínimo, Máximo, Soma e
Contagem com os valores encontra-
dos para os dados analisados.
138
UNIDADE 5
Os dados que são interessantes para uma análise inicial dos dados são apresentados
na Tabela 3.
Média 10,44
Mediana 5
Medidas de posição Moda (Modo) 3
Mínimo 0
Máximo 728
Amplitude (Intervalo) 728
Desvio-padrão 51,42
Medidas de dispersão
Variância da Amostra 2643,81
Coeficiente de Assimetria 13,80
Tabela 3 - Estatística descritiva para os dados da Tabela 2 / Fonte: adaptada de Chwif e Medina (2015).
Observe que o Excel apresenta o tempo médio de chegada dos clientes de 10,44s, sen-
do o menor tempo encontrado de 0s e o maior de 728s. A maior parte das medições
foi de 3s (moda). A dispersão dos dados é grande devido à grande variabilidade dos
dados. A identificação dos outliers pode ser feita determinando-se os quartis (Q1 e
Q3), o primeiro quartil (Q1) determina o valor encontrado da amostragem de ma-
neira que 25% dos dados estão abaixo deste valor. O terceiro quartil (Q3) determina
o valor encontrado da amostragem em que 75% dos dados estão abaixo deste valor.
Podemos encontrar a amplitude entre os quartis.
A Q3 Q1
Um outlier moderado pode ser considerado todo valor que estiver abaixo de Q1
– 1,5A ou acima de Q3 + 1,5A. Um outlier extremo pode ser considerado todo o
valor que esteja abaixo de Q1 – 3A ou acima de Q3 + 3A. Para os dados da Tabela 1,
podemos encontrar os quartis utilizando o Excel com a função “QUARTIL”, digitando
“=QUARTIL (série de dados, nº do quartil)”. Na Figura 12, é apresentada a função
aplicada para o primeiro quartil.
Figura 12 - Uso da função quartil
Fonte: o autor.
Descrição da Imagem: na imagem, apa-

rece uma célula do Excel com a função
QUARTIL utilizada. Há um sinal de igual em
seguida da função QUARTIL e entre parên-
teses as células dos dados de entrada para
análise, e o número 1 depois do ponto e
vírgula, indicando o primeiro quartil.
139
UNICESUMAR
Para o exemplo, o primeiro quartil (Q1) é igual a 2, e o terceiro (Q3) igual a 9, tendo
uma amplitude (A) de 7. Portanto, um outlier moderado seria um valor menor do
que 2-1,5(7) = -8,5 ou maior do que 9+1,5(7) = 19,5. Analisando os dados da Tabela
2, verifica-se que 11 valores estão acima de 19,5, não havendo nenhum abaixo de -8,5.
Os outliers extremos seriam valores menores do que 2-3(7) = -19 ou maiores do
que 9+3(7) = 30, nestas condições há apenas dois valores, 43 e 728. Como nem todo
outlier deve ser desprezado, podemos analisar apenas os outliers extremos e optamos
por excluir o valor 728s, que é extremamente discrepante em relação aos demais
dados amostrais. Desta maneira, nosso conjunto de dados passa a ter 199 valores. Se
uma nova análise aos dados for executada sem o valor 728, o Excel apresentará como
resposta a planilha apresentada na Figura 13.
Figura 13 - Relatório de estatística des-

critiva apresentado pelo Excel após a
remoção do outlier / Fonte: o autor.

aparece uma parte da planilha de
solução das estatísticas descritivas
com os resultados apresentados
pelo programa. Na coluna A, estão
os principais parâmetros estatísticos
analisados, Média, Erro padrão, Me-
diana, Moda, Desvio Padrão, Variân-
cia da amostra, Curtose, Assimetria,
Intervalo, Mínimo, Máximo, Soma e
Contagem com os valores encontra-
dos para os dados analisados após a
remoção dos outliers.
Os dados mais significativos podem ser unidos na Tabela 4.
Média 6,83
Mediana 5
Mínimo 0
Máximo 43
Desvio-padrão 6,60
Tabela 4 - Estatística descritiva para os dados da Tabela 2 sem outlier
Fonte: adaptada de Chwif e Medina (2015).
140
UNIDADE 5
Observe que a remoção de outliers extremos facilita a uniformização dos dados.

A média foi reduzida de 10,44 para 6,83s, e a variância da amostragem reduziu de
2643,81 para 43,60, ou seja, a dispersão dos dados reduziu. Depois de analisados os
dados para eliminação dos outliers, podemos verificar qual distribuição de proba-
bilidade poderia ser utilizada para representar os dados experimentais. Para tanto,
criaremos um histograma para verificar o comportamento da frequência dos dados.
Precisamos, então, dividir os dados em classes. A quantidade de classes (K) como
função do número de observações (n) pode ser determinada pela regra de Sturges:
K 1 3, 3 log10 n
O valor de n observado é de 199, substituindo na equação, teremos:
K 1 3, 3 log10 199 8, 59 9
Os dados serão subdivididos em nove classes, o tamanho de cada classe (h) pode ser
determinado por:
Amplitude da amostra 43
=h = = 4, 8
K 9
Portanto, cada classe do conjunto de dados terá tamanho 4,8. Na Tabela 5, são apre-
sentadas as classes e suas subdivisões. Uma contagem dos valores dentro de cada
classe permite encontrar a frequência relativa de cada classe, ou seja, a quantidade
de vezes que aparecem valores dentro das classes estabelecidas (Tabela 5).
K Classes Freqüência relativa

1 0 – 4,8s 96
2 4,8s – 9,6s 55
3 9,6s – 14,4s 25
4 14,4s – 19,2s 13
5 19,2s – 24s 5
6 24s – 28,8s 4
7 28,8s – 33,6s 0
8 33,6s – 38,4s 0
9 38,4s – 43s 1
Tabela 5 - Distribuição das classes de frequências relativas para o exemplo
Fonte: adaptada de Chwif e Medina (2015).
Um histograma pode ser feito a partir da Tabela 5. No Excel, podemos criar um his-
tograma com facilidade, basta criarmos uma coluna com os valores que representam
141
UNICESUMAR
as classes (Figura 14), para que o próprio programa calcule as frequências dos valores
encontrados.
Figura 14 - Coluna com o conjunto de dados para representar

as classes do histograma / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma parte da

planilha de solução das estatísticas descritivas com os resul-
tados apresentados pelo programa. Na coluna A, estão os
principais parâmetros estatísticos analisados, Média, Erro pa-
drão, Mediana, Moda, Desvio Padrão, Variância da amostra,
Curtose, Assimetria, Intervalo, Mínimo, Máximo, Soma e Con-
tagem com os valores encontrados para os dados analisados
após a remoção dos outliers.
A construção do histograma também será feita utilizando a ferramenta de análise de

dados. Na aba “Dados”, selecione “Análise de dados” (Figuras 6 e 7), selecione a opção
“histograma”, como apresentado na Figura 15:
Figura 15 - Janela de Análise de dados / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela de “Análise de Dados” com a opção “Histograma” sele-
cionada.
Clicando em OK, aparecerá uma nova janela como apresentado na Figura 16.
142
UNIDADE 5
Figura 16 - Janela para construção do histograma / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela “Histograma” com as opções para serem selecionadas.
Em “Intervalo de entrada”, selecione a coluna de dados da amostragem, em “Intervalo

do bloco”, selecione os dados que categorizam as classes (Figura 14), marque as opções
“Rótulos” e “Resultado do Gráfico”, a imagem da tela ficará como a apresentada na
Figura 17, clique em OK. O Excel gerará uma nova planilha com a tabela de frequência
(Figura 18) e com o histograma (Figura 19).
Figura 17 - Janela para construção do histograma preenchida / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela “Histograma” com as células dos dados que comporão o
histograma no campo Intervalo de Entrada e Intervalo de blocos preenchidos. A opção Nova planilha e Resultado
do gráfico também estão selecionados.
143
UNICESUMAR
Figura 18 - Frequências relativas / Fonte: o autor.

planilha do Excel com a primeira coluna contendo os limites
superiores das classes do histograma, e, na segunda coluna,
as frequências dos valores pertencentes a cada classe.
100
80
60
Frequência
40
20
4,8 9,6 14,4 19,2 24 28,8 33,6 38,4 Mais
Classes
Figura 19 - Histograma dos dados do exemplo / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma figura com o histograma da distribuição dos dados da Tabela
1. O formato do histograma apresenta a maioria dos dados do lado esquerdo, com frequências menores do
lado direito do histograma.
Observando as distribuições de probabilidade apresentadas anteriormente, a distri-

buição exponencial é a que tem comportamento mais próximo ao do histograma
dos dados obtidos da amostragem, portanto, inicialmente, supõe-se que o modelo
teórico será de distribuição exponencial dado pela função:
f x lel x
144
UNIDADE 5
Sendo λ o inverso da média dos dados amostrados, pela Tabela 4, observamos que
a média encontrada foi de 6,83s, sendo, então, λ = 1/6,83 = 0,146, assim, o modelo
teórico assume a forma:
f x 0, 146e0,146 x
Selecionado o modelo de dispersão, ele deve passar por um teste de aderência, como o
qui-quadrado ou Kolmogorov-Smirnov, para verificar se o modelo pode ser utilizado
na simulação. Caso o teste rejeite o modelo, outra dispersão deve ser escolhida para
representar os dados e um novo teste deve ser feito até que se encontre um modelo
que represente, adequadamente, os dados.
Com o Exemplo 1, você deve ter percebido que um bom conjunto de dados faz a diferença quando
você vai analisar o comportamento do seu sistema. Qualquer interferência nos dados de entrada pode
levar o modelo a ser simulado para um comportamento fora do esperado. Como o modelo será uti-
lizado para dar origem a novos valores, os valores de saída do modelo, temos resultados dependentes
dos valores de entrada fornecidos para a modelagem.
Quando você faz a coleta de dados, podem surgir alguns problemas nas medições, principal-
mente com relação aos reflexos de acionamento do cronômetro ou desatenção do medidor.
Ademais, em sistemas que apresentam valores aleatórios, que podem assumir diferentes
resultados uma quantidade significativa de dados permite avaliar melhor o comportamento
do sistema. A análise de dados serve como um depurador de dados, útil para eliminar valores
que não possuem variação estatística.
Qualquer software de estatística pode ser utilizado para avaliar os dados que serão alimentados no
modelo. O Excel acaba sendo útil pela facilidade de acesso e uso. Nas próximas unidades do livro,
utilizaremos o Input Analyzer, no Arena, para determinar a distribuição de probabilidade que melhor
ajusta cada conjunto de dados, além de identificar os parâmetros das distribuições de probabilidade que
serão aplicados ao software e ao modelo de simulação. Poderemos trabalhar com uma grande quanti-
dade de informações, analisando uma sequência de etapas do processo e avaliar cada fila pertencente
ao sistema e entendendo quais são os pontos críticos do processo, ou seja, onde se pode ganhar em
produtividade ou velocidade de produção de bens.
145
UNICESUMAR
Olá, convido você a ouvir este Podcast da quinta unidade do livro

Simulação de Processos Produtivos. Nele, você verá um exemplo de
aplicação da Simulação em caso real de análise de movimentação de
embarcações no porto de Itajaí-SC.
No início da unidade, na Tabela 1, foram apresentados 16 valores de tempo de corte a laser de chapas
de aço, e, agora, você deve entender a importância de eliminar os dois valores extremos da tabela, 18,3
e 0,8. A média dos valores calculados para todo o conjunto de dados é de 5,88, e, quando os extremos
são removidos, a média torna-se 5,36 uma diferença de 0,52s. Parece um valor pequeno, mas no con-
junto todo da obra, esta diferença levará a resultados equivocados, após a simulação. Imagine que esta
diferença possa ocorrer em quatro etapas sequenciais, as variações acumuladas multiplicam as influên-
cias no resultado, o que poderia render um valor, significativamente, diferente do que se vê na prática.
Como você terá que lidar com diferentes tipos de processo e poderá receber dados de terceiros, ou
seja, você pode solicitar que algum funcionário faça as medições. É importante que você os analise
para eliminar erros grosseiros e valores fora do comportamento real do sistema. Isso lhe dará mais
segurança para apresentar melhorias ou modificações no sistema produtivo, inclusive, embasando
suas sugestões. Na Unidade 6, você aprenderá a trabalhar com os dados coletados de processos, ana-
lisando-os com o software Arena, identificando os parâmetros dos modelos de simulação e, por fim,
simulando alguns sistemas.
146
Para ajudar você a sintetizar os principais pontos desta unidade, preparei para você um esboço de
disponibilizadas em nossa unidade para a caracterização dos dois tipos de fila. Observe o mapa
e complete os espaços não preenchidos.
Verificar o comportamento dos dados

Avaliar a qualidade dos dados
importância
ANÁLISE DE DADOS
Técnica
Construir o histograma
Determinar outliers
Descrição da Imagem: na figura, há um mapa mental com um retângulo no centro escrito “Análise de dados”. Deste retângulo
surge uma ramificação para cima, conectada a um retângulo onde se lê “importância”, e este retângulo está conectado a três outros
retângulos onde se lê“Verificar o comportamento dos dados” (esquerda), “Avaliar a qualidade dos dados” (direita), e o do centro
está vazio para preenchimento. Do retângulo central, também sai uma ramificação para baixo, conectada a outro retângulo onde
se lê “Técnica”. Este retângulo está conectado a três outros retângulos em que se lê “Determinar outliers” (esquerda) e “Construir
o histograma” (direita). O retângulo do centro está vazio para preenchimento.
147
1. A etapa de modelagem vem logo após o planejamento da simulação do processo. Esta
etapa tem como fundamental importância preparar os dados para a execução do mode-
lo dentro da simulação, é nela que são coletados os dados disponíveis no processo para
serem analisados. A análise dos dados, nesta etapa, pode ser feita utilizando algumas
ferramentas da estatística, como identificação de outliers, elaboração de histograma e
identificação de distribuições de probabilidade. Considerando essas três ferramentas
da estatística, analise as afirmações a seguir.
I) Os outliers são valores distantes da média encontrada, que, por serem muito afasta-
dos dos demais valores encontrados, podem ser eliminados, pois devem representar
algo que não é comum ao processo analisado.
II) A construção do histograma permite analisar a distribuição dos dados, verificando-se
em quais intervalos de valores se encontram a maior parte das medições, ajudando
a analisar o comportamento do processo.
III) Para encontrar a distribuição de probabilidade mais adequada para representar os
dados, deve-se utilizar todos os dados disponíveis, independentemente de haver
ou não outliers.
IV) O histograma é construído de maneira totalmente aleatória, não importando a
quantidade de classes que os dados são subdivididos, pois, mesmo com duas ou
três classes, pode-se analisar o comportamento dos dados.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e III apenas.
2. Identificar qual modelo de probabilidade se encaixa aos dados é uma das tarefas do
processo de modelagem, pois só será possível partir para a simulação do sistema,
após a definição do modelo. A utilização do histograma ajuda muito a observar o
comportamento dos dados e estimar a melhor distribuição, no entanto, diversos soft-
wares disponíveis fazem o ajuste dos dados às distribuições possíveis e analisam sua
proximidade com os dados. É comum realizar os chamados testes de aderência entre
a curva da distribuição de probabilidade selecionada e os dados obtidos das medições
do processo. Em relação aos testes mais comuns, Qui-Quadrado e Kolmogorov-Smirnov,
analise as afirmações a seguir:
148
I) Os testes de aderência são aplicados ao conjunto de dados do processo a fim de
escolher qual distribuição de probabilidade melhor ajusta os dados, sendo que, em
alguns casos, mais de uma distribuição apresenta boa representatividade dos dados.
II) Os dois testes são executados distribuindo-se os dados lidos do processo e os da-
dos estimados pelo modelo de probabilidade em classes, sendo as frequências das
classes comparadas e o erro entre elas estimado.
III) Os dois testes baseiam-se na determinação entre a distância (erro) entre as frequên-
cias dos dados medidos do processo com a frequência apresentada para os mesmos
dados, porém estimados pelo modelo de distribuição de probabilidade.
IV) Tanto o teste de Kolmogorov-Smirnov e Qui-Quadrado pode ser aplicado para qual-
quer frequência de dados, independentemente da quantidade de dados presentes
em cada classe.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e III apenas.
Para os exercícios 3, 4 e 5, considere o enunciado a seguir.

Você está analisando o tempo de viagem de um caminhão de transporte de carga
refrigerada de um abatedouro de aves até um hipermercado. Os dados de tempo em
minutos foram tomados por um funcionário do hipermercado e estão apresentados
na Tabela 1, de maneira ordenada.
2 175 222 255 290 329 344 372 401 463

15 185 239 255 300 330 358 377 405 472
25 185 240 258 310 330 359 380 410 478
60 210 240 260 315 330 361 388 414 488
76 212 245 273 318 330 362 389 417 495
155 212 245 277 318 330 364 395 418 495
155 215 250 277 322 335 365 395 425 500
155 220 250 278 322 335 368 395 440 501
170 220 254 290 325 339 369 399 450 510
170 220 255 295 325 341 372 401 455 950
149
Tabela 1 - Intervalos de tempo (em minutos) de transporte do caminhão / Fonte: o autor.
Desconfiado de alguns valores, você conversou com o motorista do caminhão que lhe
garantiu, “pela distância do trajeto, jamais o caminhão poderia fazer uma viagem de meia
hora”. Utilizando estas informações, analise os exercícios seguintes.
3. A aplicação da análise da estatística descritiva dos dados utilizando a ferramenta “análise

de dados” do Excel® permite avaliar a qualidade dos dados encontrados. Se, inicialmen-
te, a estatística for aplicada a todo o conjunto de dados, sem eliminação de outliers ou
valores suspeitos, analise as afirmações a seguir.
I) A média encontrada para a distribuição dos dados apresentada é de 308,5 minutos.
II) O tempo de transporte do caminhão que mais aparece na distribuição dos dados
é 330 minutos.
III) O desvio padrão dos dados ficou em torno de 126 minutos para os dados analisados.
IV) A mediana encontrada para a distribuição de dados apresentada é de 317,77 minutos.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e III apenas.
4. Considerando os dados apresentados na Tabela 1 e os comentários do motorista do

caminhão, analise as afirmações a seguir:
I) Ao determinar os outliers extremos e considerar o tempo mínimo de percurso apon-
tado pelo motorista, são eliminados quatro valores dos dados originais.
II) Ao eliminar os valores incompatíveis com a realidade do trajeto, a média de tempo
do percurso se torna 320,7min.
III) O desvio padrão dos dados que restam, após a eliminação dos dados suspeitos e
outliers extremos, aumenta para 135 minutos.
IV) A amplitude dos dados, após a eliminação de outliers e dados inconsistentes com
150
a realidade, ficou em 510.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e III apenas.
5. Considerando os dados depurados da Tabela 1 (após a eliminação dos outliers extremos

e dados suspeitos), a construção de um histograma permite avaliar o comportamento
destes dados quanto à sua frequência relativa. Em relação ao histograma para estes
dados, analise as informações a seguir:
I) A quantidade de dados utilizados para a elaboração do histograma será de 100
valores, como apresenta a Tabela 1.
II) A amplitude entre as classes encontrada será de 56,3 minutos, com um total de 7,5
classes (que podemos arredondar para 8 classes).
III) Ao fazer o histograma, observa-se que os dados se aproximam de uma distribuição
normal de média 320,68.
IV) Na sexta classe, entre 397,8 (exclusive) e 454,1 (inclusive), há uma frequência de 8
elementos.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
151
152
6
Utilização do Arena
para Simulação de
Processos Produtivos
Olá, caro(a) estudante, na sexta unidade do livro Simulação de Processos

Produtivos, você aprenderá a utilizar o software de simulação Arena, da
empresa Rockwell Automation. Você entenderá como os conceitos da
Teoria das Filas, estudados até aqui, poderão ajudá-lo(a) a escrever seu
modelo de simulação, executá-lo e avaliar a solução. Iniciaremos com
o Input Analyzer do Arena, que permite avaliar os dados de entrada no
software, determinando a distribuição de probabilidade que melhor
ajusta os dados e apresentando os parâmetros desta distribuição que
será, então, utilizada na simulação. Em seguida, trabalharemos com
alguns exemplos mais simples para que você se ambiente no software
e execute algumas simulações. Vamos lá!
UNICESUMAR
Já imaginou ser responsável por avaliar o comportamento de um pro-

cesso que tenha duas, três ou quatro etapas, verificando como está o
sistema atual e o que pode ser feito para melhorá-lo? Será que podemos
avaliar um sistema que não existe ainda? Ou determinar como ficará
a fila de um sistema real que passará por modificações, como a subs-
tituição de um equipamento para ampliar sua capacidade produtiva?
A simulação nada mais é do que você criar um cenário, com in-
formações específicas para analisar o comportamento de um sistema
produtivo sem que ele exista. Isso permite descobrir uma grande quan-
tidade de informações sobre situações diferentes a que o sistema seja
submetido sem alterar o processo real. Sabemos que modificar um
processo real apenas para estudá-lo é inviável, podendo gerar prejuí-
zos. Estudar um projeto que não saiu do papel também é importante,
você pode encontrar as condições ótimas de operação do processo
antes que ele seja construído, levando à escolha mais adequada de
equipamentos e recursos.
A simulação em si permite que você construa um modelo com
quantas etapas forem necessárias, avaliando como a substituição de um
equipamento interferirá no processo como um todo. Ampliar a capa-
cidade de uma etapa do processo pode implicar sobrecarregar outra
ou, até mesmo, não ter efeito se a etapa anterior à que foi modificada
não tiver capacidade de atender à nova demanda. Por este motivo, você
começará a entender esta dinâmica com exemplos simples e utilizando
o software de simulação Arena, que o levará a uma experiência mais
dinâmica sobre simulação de processos.
Para começar a refletir sobre a importância da simulação, considere
que você tem três etapas sequenciais em um processo. A chegada de
clientes na etapa 1 é constante de 1,5 min/cliente. O processo na etapa
1 ocorre segundo uma distribuição normal de média 1,2 min/cliente e
desvio padrão de 0,1 min. Entre a etapa 1 e 2, há transferência dos clien-
tes com um tempo médio de 1,3 min/cliente, e a etapa 2 tem capacidade
de processamento segundo uma distribuição normal de média 1,0 min/
cliente com desvio padrão de 0,2 min, e, entre as etapas 2 e 3, há um
tempo médio de transferência de clientes de 1,3 min/cliente com uma
capacidade de processamento da etapa 3, segundo uma distribuição
normal de média 1,1min e desvio padrão de 0,2 min/cliente. Agora,
imagine duas situações, na primeira a etapa 2 passa por modificações
e o tempo médio de processamento passa a seguir uma distribuição
normal de média 1,5 min/cliente com desvio padrão de 0,2 min, e a
154
UNIDADE 6
segunda situação em que a etapa 2 passa por modificações, mas seu tempo médio de processamento é al-
terado para uma distribuição normal com média 0,8 min/cliente e desvio padrão de 0,2 min. Analise estas
duas situações e tente explicar o que deve acontecer no processo com estas alterações. Procure focar na
movimentação de clientes pelas três etapas e as capacidades de cada uma dentro das duas situações citadas.
Para facilitar sua análise, observe que todos os dados apresentam comportamento similar, todas as trans-
ferências são com tempos constantes e todos os processos seguem uma distribuição normal dos dados. A
média da distribuição representa o tempo que tem maior chance de ocorrência, aquele, basicamente, que
aparece com maior frequência, e o desvio padrão indicará a variabilidade destes tempos para mais e para
menos. Logo, a primeira situação do problema proposto para sua análise atrasa o processamento de cada
cliente, e a segunda situação do problema acelera o processamento de cada cliente. Aproveite e escreva, no
Diário de Bordo, suas considerações sobre as consequências esperadas para estas duas alterações da etapa
2. Não se preocupe em ser detalhista, pois uma análise detalhada só ocorrerá com uma avaliação mais
precisa pelos métodos de simulação, mas visualize o sistema como um todo, sabendo que as modificações
da etapa 2 podem levar e receber consequências das etapas 1 e 3.
DIÁRIO DE BORDO
155
UNICESUMAR
Até agora, em nosso livro, você aprendeu sobre Teoria das Filas,
alguns modelos que podem ser utilizados dependendo do tipo de
problema ou do conjunto de dados que você tem. Também viu a
importância de avaliar os dados que você inserirá em sua análise
de simulação para evitar a utilização de dados sem representativi-
dade do processo estudado. Agora, chegou a hora de executar a tão
falada simulação.
Para podermos analisar, corretamente, um sistema e o simular,
você já entendeu que a qualidade dos dados de entrada no modelo é
fundamental. Desta maneira, precisamos, de alguma forma, avaliar,
estatisticamente, um conjunto de valores para que sejam utilizados
no modelo. Lembre-se de que você executará uma simulação, então,
precisará gerar dados durante o processo de simulação. É como se
você estivesse executando algumas horas ou dias de trabalho de
maneira virtual, daí vem a importância de definir as distribuições
de probabilidade que representem os dados de entrada, proces-
samento e circulação de mercadorias dentro de um sistema pro-
dutivo. Os clientes serão pessoas, peças, produtos, geralmente em
processamento, e você pode definir um grupo de etapas para avaliar
cada dinâmica de simulação. As distribuições gerarão dados para o
modelo, fornecendo a variabilidade esperada para estes dados, de
acordo com as informações medidas no processo ou levantadas de
um processo similar.
Quando você está simulando um projeto que não saiu do papel,
não terá como coletar dados do próprio sistema em estudo, então,
terá que utilizar dados de um processo similar ou de literatura para
gerar resultados para sua simulação a fim de definir qual a melhor
forma de executar o projeto.
Iniciaremos nossa unidade gerando as distribuições de pro-
babilidade com o software Arena, utilizando a ferramenta Input
Analyzer presente no próprio software. O ARENA é um software
de simulação, lançado em 1993, pela empresa Systems Modeling,
sendo o sucessor de dois outros softwares da mesma empresa, o
SIMAN e o CINEMA. O SIMAN foi o primeiro software de simu-
lação desenvolvido para PC, considerado uma evolução do GPSS
de 1961 da IBM. No ano de 1984, o SIMAN recebeu um software
complementar de animação para PC, chamado CINEMA. Em 1993,
o SIMAN e o CINEMA foram unificados e aperfeiçoados dando
origem ao ARENA (PRADO, 2014).
156
UNIDADE 6
Este software utiliza um conjunto de blocos (módulos) que funcionam como os comandos de uma
linguagem de programação, isso facilita a simulação de um sistema real. Como há uma interface grá-
fica de interação com o usuário, basta utilizar o mouse para montar o sistema no programa. Além das
simulações que o programa pode fazer, há duas ferramentas que muito úteis no ARENA, o analisador
de dados de entrada (INPUT ANALYZER) e o analisador de dados de saída (OUTPUT ANALYZER).
O Input Analyzer é a ferramenta utilizada para analisar os dados de entrada do problema. Essa
ferramenta do ARENA permite encontrar a melhor distribuição de probabilidade para representar
os dados que serão alimentados no modelo. Já o Output Analyzer permite avaliar os resultados en-
contrados após a simulação. Observe que tais programas são desenvolvidos para facilitarem muito a
vida daquele que deseja utilizar a simulação como ferramenta de análise do seu sistema produtivo.
O Software apresenta uma visão do mundo em que o sistema é formado por um conjunto de es-
tações de trabalho, contendo um ou mais recursos que prestam serviços aos clientes (entidades),
que se movem no sistema. Uma pessoa seria uma entidade em um sistema de supermercado fazendo
compras, da mesma forma, um automóvel em uma linha de montagem seria uma entidade que percorre
as diversas estações de trabalho da fábrica até ficar pronto (FREITAS FILHO, 2008).
Para iniciarmos nossos trabalhos, é necessário que você instale em seu computador o ARENA na
versão student (estudante), que é gratuito.
A versão student apresenta as mesmas funcionalidades da versão

completa (paga), mas com limitações em relação à quantidade de
dados processados, e você pode baixá-lo no site da empresa Paragon,
representante nacional do software, acessando o Qr-Code. A versão
utilizada neste livro é a do Arena 15, outras versões que você possa
utilizar apresentam similaridade com relação aos comandos e funções
disponíveis, havendo variação apenas no layout e na apresentação
do programa. Então, baixe e instale o software em seu computador
não esquecendo de escolher aquele que se ajusta ao seu sistema
operacional de 32 ou 64 bits.
Para acessar, use seu leitor de QR Code.
Assim, antes de montar um modelo de simulação e executá-lo, estudaremos como determinar a dis-
tribuição de probabilidade que ajusta os dados para uso no software. Para trabalhar com a ferramenta
Input Analyzer, utilizaremos os dados do Exemplo 1 para análise.
157
UNICESUMAR
01. EXEMPLO Consideremos um sistema formado por uma máquina como posto de atendimento e
peças que chegam para serem usinadas por esta máquina. Os dados que são importan-
tes para o processo são o índice de chegada (IC) de peças na máquina e a capacidade de
atendimento da máquina (CA), pois, assim, podemos avaliar as condições de formação
de fila do sistema e analisar situações diferentes do processo. Os processos de chegada
e atendimento deste sistema são aleatórios (estocásticos), por este motivo, precisamos
encontrar as distribuições de probabilidade que ajustem os dados do sistema real.
Vamos considerar que foram disponibilizados para você dados de índices de chegada
(segundos/peça) obtidos do processo, como apresentado na Tabela 1.
17 25 21 81 11 19 44 29 28 19
9 64 71 24 12 55 9 3 12 12
5 24 22 55 32 16 1 29 11 0
38 16 117 24 2 80 10 11 5 17
60 16 14 59 22 24 3 2 1 8
Tabela 1 - Índices de chegada de peças na máquina (segundos/peça) / Fonte: o autor.
Você também obteve um conjunto de dados para os tempos de atendimento (segun-

dos/peça) apresentado na Tabela 2.
11 40 10 14 16 7 15 53 1 2
6 16 10 78 37 8 12 16 7 19
3 43 14 49 16 21 37 29 2 7
25 16 47 54 29 1 11 6 19 1
19 8 7 3 1 12 8 0 11 5
Tabela 2 -Tempos de atendimento de cada peça na máquina (segundos/peça) / Fonte: o autor.
158
UNIDADE 6
Em posse destes dados, analise-os, estatisticamente, utilizando o Input Analyzer do

Arena, definindo a distribuição de probabilidade que melhor ajusta a cada um dos
conjuntos de dados.
Solução: O ARENA possui a ferramenta Input Analyzer, que pode ser acionada
ao abrir o programa, vamos preparar os dados para entrar no programa, para isso, é
essencial que você digite os valores da Tabela 1 e da Tabela 2 em um bloco de notas
(em separado). Digite um número abaixo do outro, formando apenas uma coluna
de valores, como apresentado na Figura 1. Quando houver números decimais com
vírgula, como o número 7,2, então, escreva com ponto, ou seja, 7.2, pois o programa
não reconhece a vírgula como separador de decimal.
Figura 1 - Exemplo de transcrição dos dados de entrada do modelo / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do software Arena com a barra de ferramentas na parte superior, e, do lado
esquerdo, aparece a Barra de Projetos que tem os itens Advanced Transfer, Advanced Process, Basic Process, Flow Process e Packaging.
Dentro do campo Packaging, aparecem alguns ícones, como Machine, Conveyor, Machine Link, Merge, Split, Conveyor Link, Switch,
Operator, Operator Group, Operator Schedule, Palletizer e Storage. À frente da janela do software, está uma janela de um arquivo de
texto com os dados da Tabela 1 escritos um abaixo do outro.
159
UNICESUMAR
Ao abrir o ARENA, aparecerá para você a tela inicial do programa como a apresen-
tada na Figura 2.
Figura 2 - Tela inicial do ARENA / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do software Arena com a barra de ferramentas na
parte superior, e, do lado esquerdo, aparece a Barra de Projetos que tem os itens Advanced Transfer, Advanced
Process, Basic Process, Flow Process e Packaging. Dentro do campo Packaging, aparecem alguns ícones, como
Machine, Conveyor, Machine Link, Merge, Split, Conveyor Link, Switch, Operator, Operator Group, Operator
Schedule, Palletizer e Storage.
Vamos ativar o Input Analyzer, para isso, clique em Ferramentas e selecione a opção
Input Analyzer, como apresentado na Figura 3.
Figura 3 - Abrindo o Input Analyzer

Fonte: o autor.

aparece uma janela do software Are-
na com parte da barra de ferramen-
tas na parte superior em que está
selecionada a aba Ferramentas e no
menu suspenso que aparece, o cur-
sor está sobre Input Analzer. Do lado
esquerdo, aparece a Barra de Proje-
tos que tem os itens Advanced Trans-
fer, Advanced Process, Basic Process,
Flow Process e Packaging. Dentro do
campo Packaging aparecem alguns
ícones, como Machine, Conveyor,
Machine Link, e Conveyor Link.
160
UNIDADE 6
Depois de abrir o Input Analyzer, clique em novo (Figura 4), abrirá uma janela como a
apresentada na Figura 5.
Figura 4 - Selecionando a opção novo no Input Analyzer / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer e, na barra de ferramentas, aparece
selecionada a aba Arquivo, e o cursor está sobre a função Novo.
Figura 5 - Nova tela aberta no Input Analyzer / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer em branco.
161
UNICESUMAR
Vá em Arquivos, em Arquivos de Dados, selecione a opção Usar Existente: como

Figura 6 - Seleção da opção Usar Existente / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer em branco com a aba Arquivo sele-
cionada, e no menu suspenso o cursor está sobre a função Arquivos de Dados e Usar Existente.
Será aberta uma janela para carregar os dados do arquivo com os valores dos índices
de chegada digitados. Busque por arquivos no formato txt (Figura 7) e selecione o
arquivo que você criou com os dados de entrada para a chegada de peças (Figura 8).
Figura 7 - Busque por arquivos no formato txt / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer em branco, à frente aparece uma
janela “Abrir” com uma pasta de trabalho sem visualização e com o cursor do mouse em Arquivos Texto(*.txt).
162
UNIDADE 6
Figura 8 - Selecione o arquivo com os dados de chegada de peças / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela “Abrir” com uma pasta de trabalho com a visualização
de dois arquivos de texto Exemplo1_atendimento e Exemplo1_chegada.
Ao clicar em abrir, o programa gerará um histograma com os dados que você digitou
e criará um sumário de dados abaixo do histograma, como mostrado na Figura 9.
Figura 9 - Histograma para os dados de chegada no sistema / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer com um histograma elaborado para
os dados de chegada de peças. Abaixo do histograma, está o Sumário dos Dados em que aparece, Número de
Pontos de Dados = 50, Valor Min nos Dados = 0, Valor Max nos Dados = 117, Média da Amostra = 27, Desvio
Padrão da Amostra = 25.7 e Sumário do Histograma com Intervalo do Histograma = -0.001 a 117 e Número
de Intervalos = 7.
163
UNICESUMAR
Observe que, o menor tempo de chegada foi de 0s, o maior de 117s, e a média da
amostra foi de 27 segundos/cliente. Se lembrarmos da teoria das filas, a taxa média
de chegada (λ) de clientes era o inverso do índice de chegada, neste caso, teríamos,
então, λ = 1/27 = 0,037 clientes/segundo ou 2,22 clientes (peças)/minuto chegam à
máquina em média. Para determinarmos a melhor distribuição de probabilidade,
selecione Encaixar, e será aberta uma lista de opções de distribuição de probabilidade.
Se você quiser ajustar para uma específica, clique sobre o nome da distribuição, caso
queira encontrar, entre todas as disponíveis, a que melhor representa os dados com
menor erro, clique em Encaixar em Todos, como apresentado na Figura 10.
Figura 10 - Seleção da distribuição de probabilidade para os dados de entrada no sistema (chegada de peças)
Fonte: o autor.
os dados de chegada de peças. Abaixo do histograma, está o Sumário dos Dados em que aparece Número de
Pontos de Dados = 50, Valor Min nos Dados = 0, Valor Max nos Dados = 117, Média da Amostra = 27, Desvio
Padrão da Amostra = 25.7 e Sumário do Histograma com Intervalo do Histograma = -0.001 a 117 e Número de
Intervalos = 7. A aba Encaixar está selecionada e, no menu suspenso, o cursor está sobre Encaixar em Todos.
164
UNIDADE 6
O modelo encontrado é o Exponencial de média 27, -0,001+EXPO(27), com um erro

quadrático de 0,017, como apresentado na Figura 11.
Figura 11 - Distribuição exponencial de média 27, EXPO(27) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer com um histograma elaborado
para os dados de chegada de peças. Abaixo do histograma, está o Sumário da Distribuição em que aparece
Distribuição: Exponencial, Expressão: -0.001 + EXPO(27), Erro quadrático: 0.017371. Test do Chi-Quadrado com
Número de intervalos = 4, Graus de liberdade = 2, Teste Estatístico = 7.67 e p-value correspondente = 0.0226.
Observe que, abaixo do histograma, aparece o Sumário da Distribuição com os testes

que foram feitos (Qui-Quadrado e Kolmogorov-Smirnov) com seus parâmetros,
mostrando a aderência dos dados à distribuição de probabilidade (Figura 12).
Figura 12 - Sumário dos testes de ade-
rência para os dados analisados
Fonte: o autor.

aparece uma janela do Input Analy-
zer com os resultados dos testes
de aderência da distribuição de
probabilidade, sendo Sumário da
Distribuição, em que aparece Dis-
tribuição: Exponencial, Expressão:
-0.001 + EXPO(27), Erro quadrático:
0.017371. Test do Chi-Quadrado com
Número de intervalos = 4, Graus de
liberdade = 2, Teste Estatístico = 7.67
e p-value correspondente = 0.0226.
Teste de Kolmogorov-Smirnov com
Teste Estatístico = 0.0837, P-value
correspondente >0.15, Sumário dos
Dados em que aparece, Número de
Pontos de Dados = 50, Valor Min nos
Dados = 0, Valor Max nos Dados =
117, Média da Amostra = 27, Desvio
Padrão da Amostra = 25.7 e Sumário
do Histograma com Intervalo do His-
tograma = -0.001 a 117 e Número de
Intervalos = 7.
165
UNICESUMAR
Se você selecionar Janela e Encaixar em Todos, aparecerão os erros quadráticos para

todas as distribuições listadas em relação aos dados reais obtidos, experimentalmente,
como mostrado nas Figuras 13 e 14.
Figura 13 - Opção Encaixar em Todos do Input Analyzer / Fonte: o autor.
para os dados de chegada de peças. A aba Janela está selecionada, e o cursor está em Encaixar em Todos, no
menu suspenso.
Figura 14 - Erros quadráticos para todas as distribuições do programa / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma coluna com os erros quadráticos para algumas distribuições
de probabilidade para os dados de chegada de peças, sendo Erlang de 0.0174, Exponencial de 0.0174, Weibull
de 0.0184, Gama de 0.0188, Beta de 0.0279, Lognormal de 0.044, Triangular de 0.0926, Normal de 0.0963 e
Uniforme de 0.172.
166
UNIDADE 6
Observe que as distribuições de Erlang e Exponencial apresentam o mesmo erro qua-

drático, o que nos levaria a crer que ambas representam, de maneira igual, os dados
reais. A distribuição que mais se afasta dos dados reais é a Uniforme. Ficaremos com a
distribuição exponencial EXPO(27) para os índices de chegada das peças na máquina.
Agora, precisamos avaliar os dados dos tempos de atendimento da máquina e
procederemos da mesma maneira. Abra um novo arquivo no Input Analyzer e vá
em Arquivo, Arquivos de Dados e Usar Existente, selecione a opção de txt e, então,
marque o arquivo de dados de atendimento, como apresentado na Figura 15.
Figura 15 - Selecionando os dados de atendimento da máquina / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer em branco, à frente, aparece uma
janela “Abrir” com uma pasta de trabalho com a visualização de dois arquivos de texto Exemplo1_atendimento
(selecionado) e Exemplo1_chegada.
167
UNICESUMAR
O histograma resultante desta seleção será o apresentado na Figura 16.
Figura 16 - Histograma dos dados de atendimento da máquina / Fonte: o autor.
para os dados de atendimento das peças. Abaixo do histograma, está o Sumário dos Dados em que aparece
Número de Pontos de Dados = 50, Valor Min nos Dados = 0, Valor Max nos Dados = 78, Média da Amostra =
17.8, Desvio Padrão da Amostra = 17.2 e Sumário do Histograma com Intervalo do Histograma = -0.5 a 78.5.
Observamos que o histograma apresenta uma forma pouco visual do comporta-

mento dos dados, pois o programa o subdividiu em 79 intervalos. Selecione Opções,
Parâmetros e Histograma (Figura 17), aparecerá uma tela de opções do histograma,
como apresentado na Figura 18. Altere o número de intervalos do histograma para 10.
Figura 17 - Alteração dos parâmetros do histograma / Fonte: o autor.
os dados de atendimento das peças. A aba Opções está selecionada e, no menu suspenso, o cursor está sobre
Parâmetros, aparecendo, à direita, um menu com a palavra Histograma.
168
UNIDADE 6
Figura 18 - Alterando o número de in-

tervalos do histograma / Fonte: o autor.
Descrição da Imagem: na imagem

aparece uma janela dos Parâmetros
do histograma estando em Número
de Intervalos o valor 10, em Menor
Valor o número -0.5 e em Maior Valor
o número 78.5.
Depois da alteração, a aparência do histograma será melhor, como pode ser verificado
na Figura 19.
Figura 19 - Nova aparência do histograma / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela do Input Analyzer com um novo histograma elaborado
para os dados de atendimento das peças. Abaixo do histograma, está o Sumário dos Dados em que aparece
Número de Pontos de Dados = 50, Valor Min nos Dados = 0, Valor Max nos Dados = 78, Média da Amostra =
17.8, Desvio Padrão da Amostra = 17.2 e Sumário do Histograma com Intervalo do Histograma = -0.5 a 78.5 e
Número de Intervalos = 10.
Observe que o valor mínimo dos dados é 0s, e o máximo de 78s, com uma média
de 17,8 segundos/peça para o tempo de atendimento. Se lembrarmos da teoria das
filas, a taxa média de atendimento (μ) é o inverso do tempo médio de atendimento,
portanto, μ = 1/17,8 = 0,056 peças/segundo, ou 3,36 peças/segundo é a taxa de aten-
dimento (processamento) da máquina.
169
UNICESUMAR
Vamos, agora, encontrar a melhor distribuição de probabilidade, selecionan-

do Encaixar e Encaixar em Todos, neste caso, a melhor distribuição foi a Gama,
-0,5+GAMM(15,5; 1,18), como se verifica na Figura 20.
Figura 20 - Ajuste dos dados de atendimento à distribuição Gama / Fonte: o autor.
os dados de atendimento de peças. Abaixo do histograma, está o Sumário da Distribuição em que aparece,
Distribuição: Gama, Expressão: -0.5 + GAMM(15.5, 1.18), Erro quadrático: 0.006735. Test do Chi-Quadrado com
Número de intervalos = 5, Graus de liberdade = 2, Teste Estatístico = 2.77 e p-value correspondente = 0.251.
O teste de aderência utilizado para estes dados foi o Qui-Quadrado, que garante a
usabilidade do modelo gama (Figura 21).
Figura 21 - Parâmetros do teste de ade-

rência / Fonte: o autor.

aparece uma janela do Input Analy-
zer com os resultados dos testes de
aderência da distribuição de proba-
bilidade, sendo Sumário da Distri-
buição em que aparece Distribuição:
Gama, Expressão: -0.5 + GAMM(15.5,
1.18), Erro quadrático: 0.006735.
Test do Chi-Quadrado com Número
de intervalos = 5, Graus de liberdade
= 2, Teste Estatístico = 2.77 e p-value
correspondente = 0.251. Sumário dos
Dados em que aparece, Número de
Pontos de Dados = 50, Valor Min nos
Dados = 0, Valor Max nos Dados =
78, Média da Amostra = 17.8, Desvio
Padrão da Amostra = 17.2 e Sumário
do Histograma com Intervalo do His-
tograma = -0.5 a 78.5 e Número de
Intervalos = 10.
170
UNIDADE 6
Se quisermos verificar o comportamento dos dados reais em relação às demais dis-

tribuições de probabilidade, basta selecionarmos em Janela a opção Encaixar em
Todos, como apresentado na Figura 22.
Figura 22 - Erros quadráticos para as

demais distribuições de probabilidade
Fonte: o autor.

aparece uma coluna com os erros
quadráticos para algumas distribui-
ções de probabilidade para os dados
de chegada de peças, sendo Gam-
ma de 0.00673, Weibull de 0.00697,
Erlang de 0.00839, Exponencial de
0.00839, Lognormal de 0.00986, Beta
de 0.0146, Triangular de 0.0536, Nor-
mal de 0.0612, Uniforme de 0.113 e
Poisson de 0.472.
Pode-se observar que as distribuições Gama e Weibull devem apresentar um com-

portamento semelhante na modelagem, sendo a de Poisson a que menos represen-
taria os dados reais de nosso problema. Desta maneira, ficamos, então, com duas
distribuições de probabilidade e, para a chegada de peças no sistema, utilizaremos a
distribuição exponencial de média 27, -0.001+ EXPO(27). Para os dados de atendi-
mento na máquina, utilizaremos a distribuição Gama de parâmetros β = 15,5 e m =
1,18, -0,5+GAMM(15,5; 1,18).
Ao coletar dados para inserir no modelo de simulação, você não tem ideia de seu comporta-
mento, podendo avaliar apenas sua variabilidade pelo desvio padrão e a diferença entre os
valores máximo e mínimo. Mas, ao submeter os dados a um teste estatístico de aderência para
a determinação da distribuição de probabilidade que os represente, você consegue escolher,
até mesmo entre duas ou três distribuições, aquela que representará seus dados e servirá
de geradora de informações para o modelo. Os testes de aderência permitem analisar qual
distribuição é mais adequada.
Podemos, agora, iniciar uma introdução ao software Arena, utilizando esta pequena problemática
que desenvolvemos com este processo de processamento de peças por uma máquina. Então, vamos
lá, resolver o Exemplo 2.
171
UNICESUMAR
02. EXEMPLO Utilizando os dados analisados das Tabelas 1 e 2, que geraram as distribuições de
probabilidade avaliadas pelo Input Analyzer, insira o modelo no Arena e execute
uma simulação de 10h de produção.
Solução: Volte para a tela inicial do ARENA

e, na aba lateral esquerda, você tem a barra de
projetos. Selecione a opção Basic Process, como
Figura 23 - Barra de projetos do ARENA / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a barra lateral

da esquerda do software Arena, a Barra de Projeto, estando o
campo Basic Process selecionado, e, neste campo, aparecem
os módulos Create, Dispose, Process, Decide, Batch, Clone, Se-
parate, Assign, Adjustable Batch, Record, Go to Label e Label.
Nosso sistema é formado por uma máquina que processa as peças, então, temos uma
chegada, um processamento e uma saída. Estas entidades serão definidas, respectiva-
mente, pelas opções Create, Process e Dispose. Clique sobre a figura Create e arraste
até a área de trabalho do programa, depois faça o mesmo com a figura Process e com
a figura Dispose. Observe que, ao serem adicionadas, todas são, automaticamente,
conectadas umas as outras (Figura 24).
172
UNIDADE 6
Figura 24 - Disposição das entidades do sistema estudado / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do modelo com os módulos Create 1, Process 1 e Dispose
1 conectados. À esquerda aparece parte da Barra de Projeto com os módulos Create, Dispose, Process, Decide,
Batch e Clone.
Clique duas vezes sobre a entidade Create 1, será aberta uma janela para configurar
esta entidade, como apresentado na Figura 25.
Figura 25 - Configuração da entidade Create 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela Create, no campo Nome está escrito Chegada de Peças,
no campo Entity Type:, aparece Peças, no campo Type:, aparece Expression, no campo Expression, está escrita
a distribuição de probabilidade que ajusta os dados de chegada de peças, -0.001+EXPO (27), no campo Units:,
aparece Seconds, no campo Entities per Arrival:, aparece 1, no campo Max Arrivals:, aparece Infinite e, no
campo First Creation:, aparece 0.0.
Altere o nome da entidade para Chegada de Peças, no campo Entity Type, escreva
Peças em Time Between Arrivals (tempo entre chegadas), selecione em Type Expres-
sion, no campo Expression, escreva a distribuição de probabilidade que representa
os dados de chegada, -0,001+EXPO(27) e, para Units, altere para Seconds. Mantenha
em Entities per Arrival o valor 1, em Max Arrivals mantenha Infinite e, em First
Creation, mantenha 0.0. Esta configuração significa que a distribuição do tempo entre
173
UNICESUMAR
chegadas (índice de chegada) das peças é Exponencial de média 27, -0,001+EXPO

(27), sendo a chegada de uma peça por vez, com capacidade infinita de chegadas e
início de chegada de peças desde o começo da simulação, clique em OK.
Clique duas vezes sobre a entidade Process 1, altere seu nome para Atendimento,
em Action, selecione a opção Seize Delay Release. Esta expressão significa que a
entidade deve utilizar o recurso, ou aguardar na fila, gastar certo tempo no atendi-
mento e, depois, ser liberado. Como a entidade utilizaum recurso, que é a máquina,
em Resources, clique em adicionar, e aparecerá uma nova janela. Em Resource Name,
digite Máquina, em Units to Seize, mantenha o número 1, indicando que o sistema
terá apenas uma máquina como recurso, clique em OK (Figura 26).
Figura 26 - Acrescentando o recurso ao

sistema / Fonte: o autor.

aparece a janela Process, no campo
nome está escrito Atendimento, no
campo Type, aparece Standard, no
campo Logic em Action, está selecio-
nado Seize Delay Release, em Priority,
aparece Medium(2), no campo Re-
sources, a opção Resource, Resource
1 está selecionada, e a janela Resour-
ces está aberta aparecendo no capo
Type a palavra Resource, no campo
Resource Name, a palavra MÁQUINA
e, no campo Units to Seixe/Release,
está escrito 1.
Ainda na janela de processos, na seção Delay Type, selecione Expression, em Units

selecione seconds e, em Expression, escreva a distribuição de probabilidade para
o processo de atendimento, que foi a Gama de parâmetros β = 15,5 e m = 1,18,
-0,5+GAMM(15,5; 1,18). Não se esqueça de trocar a vírgula por ponto no programa,
clique em OK (Figura 27).
174
UNIDADE 6
Figura 27 - Preenchimento dos dados

da entidade process / Fonte: o autor.

aparece a janela Process, no cam-
po nome está escrito Atendimento,
no campo Type aparece Standard,
no campo Logic em Action, está
selecionado Seize Delay Release,
em Priority, aparece Medium(2), no
campo Resources, aparece Resource
MÁQUINA 1, no campo Delay Type,
aparece Expression, no campo Units,
aparece Seconds, no campo Allo-
cation aparece Value Added, e, no
campo Expression, aparece a distri-
buição de probabilidade que repre-
senta o atendimento da máquina,
-0.5+GAMM(15.5, 1.18).
Agora clique duas vezes na entidade Dispose e atribua o nome Saída da Peça, clique
em OK (Figura 28). Feitos estes procedimentos, o modelo ficará na forma apresen-
tada na Figura 29.
Figura 28 - Trocando o nome da entida-

de Dispose / Fonte: o autor.

aparece a janela do Dispose com o
campo Name onde aparece Saída
de Peça.
Figura 29 - Forma final do modelo antes da simulação / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do Arena com o modelo montado em sequência, da
esquerda para a direita estão os módulos com nome Chegada de Peças, Atendimento e Saída de Peças. Abaixo
de todos os módulos aparece o número zero. Acima do módulo Atendimento aparece uma linha horizontal.
175
UNICESUMAR
Se você clicar nos números “zero” que aparecem em cada entidade e no traço que
está sobre a entidade atendimento, aparecerão as variáveis que receberão os dados
de simulação. Para chegada de peças, a variável será “Chegada de Peças.NumberOut”,
para o atendimento será “Atendimento.WIP”, para a saída de peça será “Saída de
Peça.NumberOut” e, para a fila de atendimento, será “Atendimento.Queue”, como
apresentado nas Figuras 30 a 33.
Figura 30 - Variável de chegada de peças / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do Arena com o modelo montado em sequência; da
esquerda para a direita, estão os módulos com nome Chegada de Peças, Atendimento e Saída de Peças.
Abaixo de todos os módulos, aparece o número zero. Acima do módulo Atendimento, aparece uma linha ho-
rizontal. Entre os módulos Chegada de Peças e Atendimento, aparece escrito Chegada de Peças.Number Out.
Figura 31 - Variável de atendimento das peças / Fonte: o autor.
de todos os módulos aparece o número zero. Acima do módulo Atendimento, aparece uma linha horizontal.
Abaixo do módulo Atendimento, aparece escrito Atendimento.WIP.
Figura 32 - Variável de saída de peças / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do Arena com o modelo montado em sequência; da
de todos os módulos aparece o número zero. Acima do módulo Atendimento, aparece uma linha horizontal.
Abaixo do módulo Saída de Peça, aparece escrito Saida de peça.NumberOut.
176
UNIDADE 6
Figura 33 - Variável da fila de atendimento / Fonte: o autor.
esquerda para a direita, estão os módulos com nome Chegada de Peças, Atendimento e Saída de Peças.
Abaixo de todos os módulos, aparece o número zero. Acima do módulo Atendimento, aparece uma linha
horizontal. Logo abaixo desta linha horizontal, está escrito Atendimento.Queue.
Antes de executar a simulação, devemos fornecer os controles da simulação, sele-

cione a aba Rodar e clique em Configurações, conforme apresentado na Figura 34.
Aparecerá uma janela, selecione a aba Parâmetros de Projeto, coloque um título para
o projeto, o nome do analista e selecione as opções de Entidades, Recursos, Filas e
Processos (Figura 35).
Figura 34 - Configurações da rodada de

simulação / Fonte: o autor.

aparece a janela do Arena com
parte da barra de ferramentas, a
função Rodar está selecionada, e o
cursor do mouse está sobre Confi-
gurar... na janela suspensa que se
abriu.
177
UNICESUMAR
Figura 35 - Configurando as opções de

parâmetros de projeto / Fonte: o autor.

aparece a janela Executar Setup. A
aba Parâmetros de Projeto está
selecionada e, no campo Título do
Projeto, está escrito Fila de Peças,
em nome do Analista Fernando PC.
Na parte inferior da janela em Co-
leta de Estatísticas, as funções En-
tidades, Recursos, Filas e Processos
estão selecionados.
Depois, selecione a aba de Parâmetros de Replicação, coloque o número 1 em Número

de Replicações, Período de Aquecimento deixe 0.0, mude todas as unidades de tempo
para segundos, em Duração da Replicação, coloque o tempo de simulação “real” em
segundos, trabalharemos, inicialmente, com 36000s ou 10h, mantenha Horas por
Dia igual 24, clique em OK (Figura 36).
Figura 36 - Configurando as opções de

parâmetros de replicação
Fonte: o autor.

aparece a janela Executar Setup. A
aba Parâmetros de Replicação, no
campo Número de Replicações,
aparece 1, no campo Inicializar En-
tre Repetições, os campos Estatís-
tica e Sistema estão selecionados.
No campo Período de Aquecimento,
aparece 0.0, em Unidade de Tem-
po, aparece Seconds, em Duração
da Replicação, aparece 36000, no
campo Horas por dia, aparece 24,
em Unidade de Tempo Base, apa-
rece Seconds.
178
UNIDADE 6
Salve o modelo, antes de executar, faça a verificação do modelo na aba Rodar e na

opção Checar Modelo (Figura 37).
Figura 37 - Checando o modelo / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do modelo do Exemplo 2, a opção Rodar na barra de
ferramentas está selecionada e o cursor do mouse está sobre Checar Modelo na janela suspensa que se abriu.
Caso não haja nenhum erro no modelo, aparecerá a mensagem de que não há erros
ou avisos no modelo (Figura 38).
Figura 38 - Mensagem de verificação

do modelo / Fonte: o autor.

aparece a janela de verificação de
erros onde está escrita a mensagem
Não há erros ou avisos no modelo.
Agora, basta clicar em Rodar, na aba Rodar. Se a animação estiver ativada no pro-
grama, você verá as peças se movendo entre as seções do modelo, como apresentado
na Figura 39.
179
UNICESUMAR
Figura 39 - Animação da simulação do sistema / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do modelo do Exemplo 2 onde aparece, abaixo do
módulo, Chegada de Peças, o número 303, abaixo do módulo Atendimento, aparece o número 2, abaixo do
módulo Saída de peça, aparece o número 300. Há dois ícones que representam a entidade peças circulando
pelo modelo, uma acima do módulo Atendimento, e outra entre os módulos Atendimento e Saída de peça.
Ao final da simulação, o sistema apresenta uma mensagem avisando se você quer

visualizar os relatórios da simulação, clique em ok. Na Figura 40, é apresentada a
imagem do modelo, após a simulação.
Figura 40 - Forma do modelo após o período de simulação de 36000s / Fonte: o autor.
módulo Chegada de Peças, o número 1366, abaixo do módulo Atendimento, aparece o número 2, abaixo do
módulo Saída de peça, aparece o número 1364. Há um ícone que representa a entidade peças circulando
pelo modelo, acima do módulo Atendimento.
Após os 36000s de simulação entraram no sistema 1366 peças, sendo que 2 ficaram
no atendimento e 1364 saíram do sistema. Isso ajuda a indicar a capacidade produtiva
do sistema em 10h de operação, na configuração dos dados de entrada.
A simulação de um processo produtivo se relaciona, intimamente, com o estudo da Teoria

das Filas deste processo. Utilizando dados do processo, você determina como estes dados
se comportam, utilizando as distribuições de probabilidade e, então, ao criar o modelo de
simulação, utiliza estas distribuições para gerar dados novos. O software de simulação gerará
estes dados a partir da distribuição que você definiu e armazenará o conjunto de informações
de resposta, apresentando, ao final, resultados, como quantidade de entidades que circularam
pelo sistema, que saíram do sistema e os tempos consumidos por entidade em cada etapa.
180
UNIDADE 6
O próximo passo é gerar os relatórios de resposta da simulação para que você possa analisar o com-
portamento deste sistema simulado. Depois de efetuada a simulação do sistema, os relatórios com as
respostas encontradas para o problema são apresentados. O ARENA possui um conjunto de relatórios,
sendo eles (PRADO, 2014):
Activity Areas
Category Overview: Visão global
Category by Replication: Visão reparada pelas replicações
Entities: Entidades
Frequencies: Frequências
Processes: Processos
Queues: Filas
Resources: Recursos
Transfers: Transportadores
User Specified: Variáveis e atributos especificados pelo usuário
Tanks
Ao final da execução da simulação, aparecerá uma janela de mensagem perguntando

se você quer visualizar os relatórios da simulação, como apresentado na Figura 41.
Figura 41 - Mensagem apresentada após o término do tempo simulado / Fonte: o autor.
módulo Chegada de Peças, o número 1366, abaixo do módulo Saída de peça, aparece o número 1364. À
frente do módulo Atendimento, aparece uma janela de mensagem onde se lê A simulação foi executada até
o final. Gostaria de ver os resultados?
181
UNICESUMAR
Ao selecionar Sim, serão geradas algumas páginas de relatório. No relatório Category

Overview, são apresentadas quase todas as informações de maneira resumida, caben-
do aos demais relatórios informações adicionais das respostas do modelo simulado.
Para analisarmos a fila, selecione o relatório Queues, na informação Waiting Time
há o tempo médio de espera na fila, para este sistema foi de 37,24s; em Number Wai-
ting, há o tamanho médio da fila, que, neste sistema, foi de 1,41 peças. Na segunda
página do relatório, você pode verificar os tempos mínimos e máximo de espera (0
e 233,5s, respectivamente) e os números mínimo e máximo de elementos na fila (0
e 13 peças, respectivamente), como vemos na Figura 42.
Figura 42 - Relatório de filas (Queues) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de filas Queue. Na parte de cima do relatório, apa-
rece um campo onde, do lado esquerdo, está Fila de Peças, e, do lado direito, Replications 1. No campo de
baixo da esquerda para a direita, está escrito Replication 1, Start Time: 0,00, Stop Time: 36.000,00 e Time
Units: Seconds. No campo de baixo, aparece escrito Atendimento.Queue. Abaixo destas informações, estão
os resultados do relatório. Na linha de cima dos resultados, aparecem os títulos Time, Average, Half Width,
Minimum e Maximum, abaixo de Time, está escrito Waiting Time, abaixo de Average, está escrito 37.2377,
abaixo de Half Width, está escrito 13,36195, abaixo de Minimum, está escrito 0 e abaixo de Maximum, está
escrito 23.57. Abaixo destes resultados, estão outro conjunto de resultados, na linha de títulos, está escrito
Other, Average, Half Width, Minimum e Maximum, abaixo de Other, está escrito Number Waiting, abaixo de
Average, aparece 1.4125, abaixo de Half Width, está escrito 0,522268629, abaixo de Minimum, aparece 0 e,
abaixo de Maximum, aparece 13.0000.
No relatório Resources, você pode verificar que o recurso Máquina teve uma taxa
de ocupação média de 0,70 (Scheduled Utilization), ou seja, em 70% do tempo, ela
estava processando uma peça que foi utilizada 1365 vezes (Total Number Sized),
182
UNIDADE 6
Figura 43 - Relatório de utilização de recursos (Resources) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de filas Resources. Na parte de cima do relatório,
aparece um campo onde, do lado esquerdo, está Fila de Peças, e, do lado direito, Replications 1. Abaixo deste,
aparece escrito Replication 1, Start Time: 0,00, Stop Time: 36.000,00 e Time Units: Seconds. Abaixo destas
informações, há uma linha onde está escrito Máquina. Logo abaixo, aparecem os resultados da simulação. Na
linha do título, aparece Usage e Value, abaixo, há uma linha onde está escrito Total Number Seixed e 1,365.00.
Na linha de baixo, está escrito Scheduled Utilization, 0.6962, na linha de baixo, está escrito Number Scheduled,
1.000, (Insufficient), 1.0000 e 1.0000. Na linha de baixo, está escrito Number Busy, 0.6962 e 0.050408073, 0 e
1.0000. Na linha de baixo, aparece Instantaneous Utilization, 0.6962, 0.050408073, 0 e 1.0000.
No relatório Category Overview, você pode verificar a quantidade total de peças que
saíram do sistema nestas dez horas, que foi de 1364 (Number Out), como observado
na Figura 44.
Figura 44 - Relatório de visão geral (Category Overview) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de Categor Overview. Na parte de cima do relatório,
aparece um campo onde, do lado esquerdo, está Fila de Peças. Na linha de baixo, está escrito Replications:
1 Time Units: Seconds. Na linha de baixo, há o título Key Performance Indicators, na linha de baixo, aparece
System e Average, e, na linha de baixo, aparece Number Out e 1,364.
183
UNICESUMAR
Sintetizando estes resultados, teríamos os valores apresentados na Tabela 3.
Informação Valor Relatório
Tempo médio na fila (TF) 37,23s Queues
Tamanho médio da fila (NF) 1,41 Queues
Taxa de utilização (ρ) 0,70 Resources
Total de peças que saíram do sistema 1364 Category Overview
Tabela 3 - Principais informações do sistema simulado / Fonte: o autor.
Veja que podemos juntar as informações e organizá-las da maneira como acharmos

mais interessante.
Olá, convido você a ouvir este Podcast da sexta unidade do livro Si-
mulação de Processos Produtivos. Nele, falaremos sobre a impor-
tância da simulação de processos na indústria 4.0. Não perca!
Quando iniciamos o exemplo, colocamos como parâmetros de replicação apenas uma replicação. O
que isso quer dizer? Nós dissemos para o programa executar a simulação apenas uma vez (Figura 36).
Quanto mais experimentos tivermos, maior o conjunto de dados para ser analisado. Nós mudaremos
esta opção para dez replicações, isso quer dizer que o ARENA utilizará os valores estabelecidos para
chegada de peças e atendimento, iniciará uma replicação, quando atingir os 36000s de simulação, ele
vai parar, armazenar os valores encontrados dos parâmetros do processo e reiniciará a simulação para
mais 36000s, isso dez vezes.
Para efetuar modificações no modelo, ou salvá-lo, você precisa ir à aba Rodar e clicar em Finalizar,
isso permitirá que você modifique o modelo. Depois de finalizado, acesse a aba Rodar e clique em
Configurar (como já foi apresentado na Figura 34), selecione a aba Parâmetros de Replicação e altere
o Número de Replicações para 10 (Figura 45). Clique em OK e execute a simulação. Observe que a
simulação demora um pouco mais para executar e, ao final, serão gerados os novos relatórios que
apresentarão os parâmetros da Tabela 4.
184
UNIDADE 6
Figura 45 - Alteração no número de replicações / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela Executar Setup. A aba Parâmetros de Replicação no
campo Número de Replicações aparece 10, no campo Inicializar Entre Repetições os campos Estatística e
Sistema estão selecionados. No campo Período de Aquecimento aparece 0.0, em Unidade de Tempo aparece
Seconds, em Duração da Replicação aparece 36000, no campo Horas por dia aparece 24, em Unidade de
Tempo Base aparece Seconds.
Informação Valor Relatório

Tempo médio na fila (TF) 37,24s Queues
Tamanho médio da fila (NF) 1,41 Queues
Taxa de utilização (ρ) 0,70 Resources
Total de peças que saíram do sistema 1349 Category Overview
Tabela 4 - Principais informações do sistema simulado com dez replicações / Fonte: o autor.
A importância de executar mais de uma replicação é que você tem uma média de
valores uma vez que os tempos são dados por distribuições de probabilidade, não há
garantia de que os tempos médios sempre sejam iguais aos de apenas uma replicação.
Não há, também, certeza de que sempre os tempos médio serão os apresentados ao
final das 10 replicações, no entanto os valores orbitarão próximos à média determi-
nada pelas replicações da simulação.
185
UNICESUMAR
No início da unidade, foi solicitado a você analisar um problema contendo três etapas, e a etapa 2
passava por duas mudanças. A princípio, como todas as distribuições de probabilidade apresentam o
mesmo comportamento (normal), a média da distribuição pode ser utilizada para avaliar a capacidade
de cada etapa. Na descrição normal, observa-se que a etapa 1 tem uma capacidade média de 1,2 min/
cliente, a etapa 2 de 1 min/cliente, e a etapa 3 de 1,1 min/cliente, logo, a etapa 1 tende a ser mais lenta,
não sobrecarregando as etapas 1 e 2. Quando analisamos a primeira mudança, em que a etapa 2 passa
a ter um tempo médio de 1,5 min/cliente, ela se torna a mais lenta, podendo incorrer em aumento
da fila, devido à alimentação mais rápida de clientes da etapa 1. Há o risco, neste caso, de o sistema se
tornar insustentável. Avaliando a segunda modificação, a etapa 2 passa a ser a mais rápida, mas como a
etapa 1 continua sendo a mais lenta, ela controlará o fluxo de clientes no processo. Neste caso, podemos
entender que a etapa 2 será subutilizada, tendo uma capacidade de processar mais clientes, mas não
recebendo a quantidade que seja suficiente para aproveitar o máximo de sua capacidade.
Observe que, a simulação pode nos ajudar neste caso. Ao inserir estas três etapas em um software
como o Arena, é possível avaliar o sistema de produção e confirmar se a primeira modificação real-
mente tornará o processo insustentável e quanto a segunda modificação conseguirá influenciar a taxa
de ocupação da etapa 2. A análise que fizemos há pouco foi superficial, analisando pela tendência dos
dados, mas somente com uma simulação aplicada, corretamente, é que poderemos avaliar com mais
propriedade cada situação. Em seu dia a dia de trabalho, quanto mais precisas as informações obtidas,
melhor será sua capacidade de análise e sua tomada de decisão, podendo, então, gerar relatórios mais
confiáveis para apresentar a gerentes e diretores de empresas.
Na Unidade 7, ampliaremos nossos estudos com o software Arena, resolvendo problemas mais
complexos, com mais quantidade de etapas, aproximando-nos de sistemas mais reais.
186
Agora, sintetizaremos nossos conhecimentos. Veja o Mapa Mental apresentado a seguir já, par-
cialmente, preenchido e o complete com informações que você julgue pertinentes ao assunto da
nossa sexta unidade.
2-Acionar o input analyser

3-Escrever dados em txt
1-Avaliar a distribuição
Dados de entrada
de probabilidade 4-Importar dado e gerar
distribuições
SIMULAÇÃO COM ARENA
7- Executar a simulação e
1-Arrastar módulos do
Construção do modelo e execução gerar os relatórios
basic process
2- Iniciar com
Módulo create 4- Finalizar com um
módulo dispose 6-
3-
5- Alterar nomes e
configurar cada módulo
Descrição da Imagem: na imagem, há um mapa mental com um retângulo no centro escrito Simulação com Arena. Deste re-
tângulo, surge uma ramificação para cima, conectada a um retângulo onde se lê Dados de Entrada, e este retângulo está conec-
tado a quatro outros retângulos onde se lê, da esquerda para a direita, Avaliar a Distribuição de Probabilidade, Acionar o Input
Analyzer, Escrever dados em txt e Importar dados e gerar distribuições. Do retângulo central, também sai uma ramificação para
baixo, conectada a outro retângulo onde se lê Construção do Modelo e Execução. Este retângulo está conectado a sete outros
retângulos em que aparecem, na sequência da esquerda para direita, Arrastar Módulos do Basic Process, Iniciar com Módulo
Create, retângulo em branco para preenchimento, Finalizar com um Módulo Dispode, Alterar nomes e configurar cada Módulo,
retângulo em branco para peenchimento e Executar a Simulação e Gerar os Relatórios.
187
1. Todas as empresas de manufatura utilizam um almoxarifado onde são guardadas
peças de reposição e materiais diversos. Considere um sistema de fila, composto
pelo funcionário que chega para “utilizar” o almoxarifado, o posto de atendimento
é o almoxarifado que apresenta como recurso o almoxarife, que faz o atendimento.
Depois de atendido, o funcionário deixa o sistema. Foi solicitado a você analisar este
sistema e, para tanto, recebeu um levantamento de dados para o tempo de chegada
de funcionários no almoxarifado e o tempo de atendimento do almoxarife, que são
apresentados nas Tabelas 1 e 2.
6,8 10,0 8,7 32,6 4,7

3,8 25,9 28,7 9,9 5,1
2,4 9,9 8,9 22,2 13,2
15,3 6,5 47,1 9,7 1,0
24,0 6,5 29,7 23,9 9,1
Tabela 1 - Tempo de chegada de funcionários ao almoxarifado (min) / Fonte: o autor.
4,8 7,1 6,1 23,1 3,3

2,7 18,4 20,4 7,0 3,6
1,7 7,0 6,3 15,7 9,3
10,8 4,6 33,4 6,9 0,7
17,0 4,6 21,0 17,0 6,4
Tabela 2 - Tempo de atendimento no almoxarifado (min) / Fonte: o autor.
Se o Input Analyzer do ARENA for utilizado para analisar os dados das Tabelas 1 e 2, analise
as afirmações apresentadas a seguir:
I) O Input Analyzer permite avaliar os dados de entrada e verificar a melhor distribuição
de probabilidade que ajuste os dados medidos.
II) A distribuição de probabilidade que melhor ajusta os dados de tempo de chegada
de funcionários ao almoxarifado é a lognormal.
III) O tempo médio de atendimento no almoxarifado é melhor representado pela dis-
tribuição de probabilidade de Weibull.
IV) Os parâmetros da função Beta para os dados do atendimento no almoxarifado são
1,25 e 0,15.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e IV apenas.
188
2. Considerando o mesmo sistema da atividade 1, utilize o ARENA para modelar e simular
esse sistema com 5 replicações. De acordo com essa simulação, analise as afirmações
a seguir:
I) O número de funcionários que passam pelo sistema em 6000h de simulação é de
6278.
II) A taxa de ocupação ou de utilização do sistema em 6000h de simulação é de 25%.
III) O tempo médio que cada funcionário fica aguardando na fila com a simulação de
6000h é de 13,5 minutos.
IV) O tamanho médio da fila, ou número médio da fila, para 6000h de simulação é de 0,55.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) I e III apenas.
e) I e IV apenas.
3. Você está analisando um sistema de manufatura que apresenta duas máquinas em

sequência, primeiro as peças entram na máquina 1 e, depois de processadas, são envia-
das até a máquina 2 para um novo processamento, saindo da máquina 2 e do sistema,
posteriormente. Você destinou um operador do setor para fazer o levantamento dos
tempos envolvidos nestas etapas, sendo o tempo de chegada de peças na máquina 1,
e os tempos de processamento das máquinas 1 e 2, respectivamente. Os resultados
lhe foram apresentados nas Tabelas 3, 4 e 5.
6,8 10,0 8,7 32,6 4,7

3,8 25,9 28,8 9,9 5,1
2,4 9,9 8,9 22,2 13,2
15,3 6,5 47,1 9,7 1,0
24,0 6,5 29,7 23,9 9,1
7,6 22,2 6,6 32,3 9,9
17,7 3,8 0,5 4,3 1,3
11,7 1,3 11,8 4,6 1,2
11,5 4,9 4,6 2,0 0,7
7,6 5,0 0,2 6,9 3,6
Tabela 3 -Tempo de chegada entre cada peça no sistema (segundos) / Fonte: o autor.
189
4,8 6,1 3,3 12,5 8,2
2,7 20,4 3,6 2,7 3,5
1,7 6,3 9,3 0,4 3,3
10,8 33,4 0,7 3,1 1,4
17,0 21,0 6,4 0,9 0,5
7,1 23,1 5,4 8,3 5,4
18,4 7,0 15,7 0,9 3,5
7,0 15,7 4,7 8,3 0,2
4,6 6,9 22,8 3,2 4,9
4,6 17,0 7,0 0,8 2,5
Tabela 4 - Tempo de processamento de cada peça na máquina 1 (segundos) / Fonte: o autor.
0,6 0,7 0,4 1,5 1,0

0,3 2,4 0,4 0,3 0,4
0,2 0,7 1,1 0,1 0,4
1,3 3,9 0,1 0,4 0,2
2,0 2,5 0,8 0,1 0,1
0,8 2,7 0,6 1,0 0,6
2,6 0,8 1,8 0,1 0,4
0,8 1,8 0,5 1,0 0,1
0,5 0,8 2,7 0,4 0,6
0,5 2,0 0,8 0,1 0,3
Tabela 5 - Tempo de processamento de cada peça na máquina 2 (segundos) / Fonte: o autor.
O ARENA pode ser utilizado para analisar este sistema e simulá-lo, considerando a mode-
lagem do sistema de chegada e o processamento descrito, analise as afirmações a seguir:
I) Para um tempo de simulação de 6000h, a taxa de utilização da máquina 1 ficou em
71%, e da máquina 2 em apenas 9%.
II) O número médio de peças na fila na máquina 1 foi de 2,5 peças, e na máquina 2,
de 0,8 peças.
III) A máquina 1 apresentou um tempo médio na fila de 19s, indicando um gargalo no
processo.
IV) No intervalo de tempo de 6000h de simulação, o total de peças que sai do sistema
formado pelas duas máquinas é de 37523.
190
a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) I e III apenas.
e) I e IV apenas.
4. Considere o mesmo sistema do exercício 4, mas, agora, os dados de processamento

da máquina 2 seguem uma distribuição exponencial de média 5, EXPO (5), e analise as
afirmações a seguir:
I) A alteração na distribuição de probabilidade que representa os dados de processa-
mento da máquina 2 não influenciariam a simulação do sistema.
II) Para uma simulação de 6000h, verifica-se que a taxa de utilização da máquina 2
aumenta, porém a quantidade de peças produzidas, praticamente, se mantém.
III) O tempo médio de espera na fila das peças para a máquina 1 permanece, pratica-
mente, inalterado (diferença de 1s), e a taxa de utilização permanece próxima a 71%.
IV) O tamanho médio na fila (NF) e a taxa de utilização para a máquina 2 não sofrem
influência pelo uso da função exponencial para representar a dinâmica de proces-
samento da máquina.

a) I e II apenas.
b) II e IV apenas.
c) III e IV apenas.
d) II e III apenas.
e) I e IV apenas.
191
192
7
Utilizando Estações
de Trabalho no Arena
Olá, estudante! Na sétima unidade do livro Simulação de Processos

Produtivos você terá contato com problemas que envolvem mais
de uma etapa de processo e nos quais os tempos de transferência
entre um processo e outro são relevantes. Você aprenderá a utilizar
outros recursos do software Arena, que lhe permitirão elaborar
modelos mais complexos com possibilidades de resultados mais
assertivos e próximos à realidade. Vamos lá!
UNICESUMAR
A partir do momento em que inserimos um software para auxiliar nas etapas de cálculo da simulação de
um processo produtivo, espera-se que os resultados sejam os melhores possíveis, mais próximos do real
e com boa representatividade. Só assim, você terá confiança nas informações recebidas e poderá fazer
escolhas que possam trazer resultados econômicos viáveis. Lembre-se, quando você propõe a substituição
de uma máquina, um investimento deverá ser feito, então, espera-se que haja um retorno financeiro.
Anteriormente, trabalhamos com processos que envolviam apenas tempos conhecidos de chegada
na primeira etapa do sistema simulado e dos tempos de processo em cada etapa. Mas, será que o tem-
po que demora para que uma peça, ou entidade, se desloque entre cada processo é algo significativo?
Um ou dois minutos de deslocamento de um produto entre cada etapa do processo pode resultar em
menor produtividade? Você entende que seja importante avaliar estes dados também?
É comum, quando estamos começando a analisar um processo produtivo, focar apenas nas etapas de
processo, admitindo que elas tendem a atrasar toda a fabricação, limitando a capacidade de produção
da empresa. No entanto, se você lidar com um processo que envolva cinco etapas sequenciais, e entre
cada etapa você demorar 1,5min para transferir o material em processo, você terá um tempo total de
transferência de material de 6min. Veja só, se você somar os tempos de processamento de todas as
etapas para o produto e encontrar, por exemplo, 24min, terá um tempo total de ciclo de 30min para
entregar uma unidade pronta, devido aos tempos de deslocamento que devem ser considerados.
Não é à toa que a movimentação de material dentro de uma fábrica, ou indústria, é estudada como
uma questão de logística, pois são ações que influenciam muito no tempo total de processo. Nossa
vantagem é que os softwares de simulação apresentam estruturas que permitem uma modelagem mais
precisa, considerando estas condições e avaliando a produtividade de forma mais adequada.
Agora, eu gostaria que você fizesse um teste. Imagine um processo produtivo com cinco etapas que
sigam um tempo de processamento constante, não influenciado por distribuições de probabilidade, e
que os tempos de deslocamento para cada processo são conhecidos e tratados como números cons-
tantes. Os valores propostos estão apresentados na Tabela 1.
194
UNIDADE 7
Tempo de Etapas Tempo de

Etapa
Processo (min) interligadas transferência (min)
1 2 1→2 0,5
2 3 2→3 1
3 2 3→4 1
4 1 4→5 0,5
5 2
Tabela 1 - Dados de processamento e transferência de uma peça em um processo fictício / Fonte: o autor.
Quando o Tempo de Ciclo é avaliado para um processo, leva em consideração os tempos de processo
de cada etapa em conjunto com os tempos de deslocamento. O cálculo que você executará é para o
Tempo de Ciclo de fabricação da peça apresentada. Não esqueça de que, considerados os tempos de
cada etapa e de transferência constantes, basta somá-los. Escreva no Diário de Bordo suas considerações
sobre os cálculos realizados. Discuta, de maneira simples e breve, como você espera que o processo
se comporte ao executar a redução dos tempos de transferência de peças entre as etapas 2 e 3, 3 e 4.
Em um contexto em que não estamos admitindo formação de fila e um sistema perfeito, operando
em condições constantes e uniformes, calcule o tempo total para que uma unidade saia pronta do
processo. Caso os tempos de transferências entre as etapas 2 a 3, 3 a 4 fossem reduzidas para 0,5min,
calcule o novo tempo total para que uma unidade do produto seja retirada pronta do processo.
195
UNICESUMAR
Muito bem! Entendida a importância de avaliar, adequadamente, os tempos de execução de cada etapa
do processo, identificaremos como podemos levar este problema para dentro do simulador. No entanto,
para entender melhor como a consideração dos tempos de transferência influencia na produtividade
da empresa, iniciaremos com um exemplo que desconsidera este tempo de movimentação, como se a
passagem de produto em processamento fosse realizada toda instantaneamente.
01. EXEMPLO Um processo de usinagem de peças é formado por quatro etapas, processando cada
unidade, sequencialmente. O processo inicia-se com a recepção das peças no torno
para executar os desgastes iniciais, em seguida, ela segue para a fresadora, máquina
de furação e para o polimento. Estudos preliminares do processo foram realizados,
considerando tempos constantes de processo e de chegada de peças no sistema. O
processo conta com uma chegada de peças no torno, com ritmo de 5min por peça.
As dinâmicas de processo de cada etapa são consideradas iguais a 4,5min no torno,
3,8min na fresadora, 4min na furação e 3,5min no polimento. Se forem desprezados
os tempos de transferência de peças entre cada etapa, execute uma simulação no
software Arena para um intervalo de tempo de cinco dias com 8h diárias de trabalho.
Solução: O modelo pode ser representado com uma estrutura, iniciando com
um módulo Create, módulos Process para representar cada etapa do processo e um
módulo Dispose para terminar o modelo. A estrutura básica do modelo pode ser
representada como na Figura 1.
Chegada de Torneamento Fresamento Furação Saída

peças Polimento
Figura 1 - Representação do modelo de simulação do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a estrutura do modelo do exemplo 1. Da esquerda para a direita, aparece um módulo
Create com o título Chegada de Peças, em seguida, conectado a ele, um módulo Process com o título Torneamento, estando conectado
a um módulo Process, onde se lê Fresamento. Conectado a este módulo, está um Process com nome Furação, conectado a ele está um
módulo Process com o nome Polimento, e um módulo Dispose com o nome Saída.
Todos os processos serão preenchidos com uma lógica de processo com tempos
constantes. Será criada uma entidade chamada Peça. Para isso, selecione, no menu
lateral da Barra de Projeto, em Basic Process, o módulo Entity e preencha com o
nome Peça, como apresentado na Figura 2.
196
UNIDADE 7
Figura 2 - Preenchimento do campo Entity com o nome Entity Type como Peça / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma parte do menu lateral da Barra de Projeto com o módulo Entity selecionado e, na
parte inferior da imagem, aparece uma barra de opções de Entity. No campo Entity Type, foi digitado o nome Peça.
Na Figura 3, é apresentado o módulo Create, preenchido para Chegada de Peças.
Figura 3 - Preenchimento do campo Create para Chegada de Peças / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Create preenchido, no campo Name está escrito Che-
gada de Peças; o campo Entity Type está preenchido por Peça; o campo Type está preenchido com Constant; o
campo Value está preenchido com o número 5; o campo Units preenchido por Minutes. Em Entities per Arrival,
aparece o número 1, em Max Arrivals está escrito Infinite, e, em First Creation, aparece 0.0.
197
UNICESUMAR
Na Figura 4, você pode verificar como ficou o preenchimento do módulo Process

para Torneamento.
Figura 4 - Preenchimento do
campo Process para Torneamento
Fonte: o autor.
Descrição da Imagem: na ima-

gem, aparece o módulo Process
preenchido, o campo Name
está preenchido por Tornea-
mento, o campo Type preen-
chido por Standard, o campo
Action por Seize Delay Release.
No campo Priority, está sele-
cionado Medium. Em Resources,
foi adicionado um recurso com
o nome Torno. Em Delay Type
aparece selecionado Constant,
em Units aparece Minutes, em
Allocation aparece Value Added
e no campo Value aparece es-
crito 4.5.
Na Figura 5, você pode verificar o preenchimento do módulo Process para o processo

de Fresamento.
campo Process para Fresamento
Fonte: o autor.
Descrição da Imagem: na
imagem, aparece o módulo
Process preenchido, o campo
Name está preenchido por Fre-
samento, o campo Type preen-
Action, por Seize Delay Release.
No campo Priority, está sele-
cionado Medium. Em Resour-
ces, foi adicionado um recurso
com o nome Fresadora. Em
Delay Type, aparece seleciona-
do Constant, em Units, aparece
Minutes, em Allocation, aparece
Value Added e, no campo Value,
aparece escrito 3.8.
198
UNIDADE 7
Na Figura 6, é apresentado o módulo Process preenchido para o processo de Furação.
Figura 6 - Preenchimento do cam-

po Process para Furação
Fonte: o autor.

está preenchido por Furação,
o campo Type preenchido por
Standard, o campo Action, por
Seize Delay Release. No campo
Priority, está selecionado Me-
dium. Em Resources, foi adicio-
nado um recurso com o nome
Furadeira. Em Delay Type, apare
selecionado Constant, em Units
aparece Minutes, em Allocation
aparece Value Added e no cam-
po Value aparece escrito 4.
Na Figura 7, você acompanha o preenchimento do módulo Process para a etapa de

Polimento, a última do processo.
Figura 7 - Preenchimento do cam-

po Process para Polimento
Fonte: o autor.
Process preenchido, o campo
Name está preenchido por Po-
limento, o campo Type preen-
No campo Priority, está selecio-
nado Medium. Em Resources, foi
adicionado um recurso com o
nome Máquina de Polimento.
Em Delay Type apare seleciona-
do Constant, em Units aparece
Minutes, em Allocation, aparece
Value Added e no campo Value
aparece escrito 3.5.
199
UNICESUMAR
Depois de todos os campos do modelo preenchidos, alteramos a configuração dos

Parâmetros de Replicação, como apresentado na Figura 8.
Figura 8 - Preenchimento dos

Parâmetros de Replicação do
exemplo 1 / Fonte: o autor.
imagem, aparece a janela dos
Parâmetros de Replicação. No
aparece o número 1, em Perío-
do de Aquecimento, aparece
0.0, em Unidade de Tempo,
aparece Minutes, em Duração
de Replicação, está preenchi-
do o número 5, à frente deste
campo, em Unidade de Tempo,
aparece escrito Days, no cam-
po Horas por Dia, está escrito
o número 8 e, em Unidade de
Tempo Base, está selecionado
Minutes.
Depois de preenchidos todos os dados, basta executar o programa e gerar os relató-

rios da simulação. Nas Figuras 9 e 10, você observa como ficará o modelo ao final
da simulação.
Figura 9 - Resultado da Simulação para os dados de entrada / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem o módulo Create de Chegada de Peças, o módulo Process de
Torneamento e o módulo Process de Fresamento. Abaixo do módulo de Chegada de Peças, aparece o número
481 indicando a quantidade de peças que entraram no processo, abaixo de Torneamento e Fresamento,
aparece o número 1.
200
UNIDADE 7
Figura 10 - Resultado da Simulação para os dados de saída / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem o módulo Process de Furação, o módulo Process de Polimento e o
módulo Dispose de Saída. Abaixo dos módulos Furação e Polimento, está escrito o valor 1 e, abaixo do módulo
Saída, aparece o número 477, indicando a quantidade de peças que saem do processo.
Verifica-se, pelas Figuras 9 e 10, que entram 481 peças, e saem 477 peças prontas,
num período de cinco dias com trabalho diário de 8h. Do relatório de resposta da
simulação, podemos destacar as filas e as taxas de ocupação do sistema, como apre-
sentado nas Figuras 11 e 12.
Figura 11 - Relatório de fila para os processos do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de filas contendo no campo Time a coluna Waiting Time
contendo o nome de cada processo escrito um abaixo do outro, sendo o primeiro Fresamento, seguido por
Furação, Polimento e Torneamento. Na coluna Average, aparece o número zero para todos os processos. No
campo Other, na coluna Number Waiting, aparece o nome de todos os processos, um abaixo do outro, sendo o
primeiro Fresamento, seguido por Furação, Polimento e Torneamento. Na coluna Average, todos os processos
estão com número zero.
201
UNICESUMAR
Observando a Figura 11, verifica-se que não há formação de fila, isso ocorre, pois
todos os tempos do processo foram considerados constantes, sem variação estatística.
Descrição da Imagem: na imagem, aparece uma parte do relatório de taxa de ocupação dos recursos do
processo. Abaixo de Scheduled Utilization, aparecem os recursos, iniciando, de cima para baixo, pela Fresado-
ra, seguida da Furadeira, Máquina de Polimento e Torno. Na coluna Value, aparecem as taxas de ocupação
de cada recurso, sendo 0,7586 para Fresadora, 0,7974 para Furadeira, 0,6968 para Máquina de Polimento e
0,9000 para Torno.
Na Figura 12, você observa que as taxas de ocupação de todos os recursos é de, no
máximo, 90%, logo, todos os recursos estão livres para utilização.
Agora, consideraremos que os tempos de
transferência entre cada etapa são significativos,
ou seja, não são tão menores quanto os tempos
de processamento das peças. Para acrescentar
este tipo de lógica no modelo de simulação, uti-
lizaremos outros recursos da modelagem. Você
utilizará os módulos Station e Leave presente em
Advanced Process, como pode ser verificado na
Figura 13.
Figura 13 - Módulos de Advanced Transfer / Fonte: o autor.

Barra de Projeto com a opção Advanced Transfer selecionada,
e aparecem os blocos Enter, Leave, PickStation, Route e Station.
202
UNIDADE 7
Estes módulos servem para conectar os processos, funcionando como elo e permitindo inserir a lógica
de movimentação entre processos. Outra vantagem é a possibilidade de montar o modelo, sequencial-
mente, configurando os módulos sem conectá-los com o conector de processos, em algumas situações.
No Exemplo 2, inseriremos o tempo de movimentação entre processos e utilizaremos estes módulos,
e você aprenderá a configurá-los.
É importante entender que sempre haverá algum tempo de transferência das entidades entre
etapas de processo. Quando estes tempos forem muito menores do que os tempos de exe-
cução do processo podem até ser desconsiderados, no entanto, quando eles tiverem valores
próximos aos de cada processo, ou forem superiores, é importante acrescentá-los no modelo.
02. EXEMPLO Para avaliar melhor o processo apresentado no Exemplo 1, serão inseridos os tempos
de transferência das peças em processamento entre cada etapa. Sabe-se que o tempo de
transferência do Torno para a Fresa é de 1,5min em média, considerado constante. A
transferência da Fresa para a Furadeira de 2,0min, e a transferência da Furadeira para
a Máquina de Polir de 1,5min, ambos também considerados constantes. Modifique
o modelo de simulação criado para o Exemplo 1, inserindo estas informações sobre
os tempos de transferência entre processos e execute novamente a simulação para
o mesmo período de cinco dias, com 8h de trabalho diário e compare os resultados
encontrados para entrada e saída de peças, filas e taxas de ocupação dos recursos.
Solução: Os módulos utilizados serão Station e Leave, a forma de construção será
dada em sequência por um módulo Station, seguido de um módulo Process e um
módulo Leave. Desta maneira, os quatro processos apresentarão a mesma configura-
ção, logo, antes de todos os processos, haverá um módulo Station e, após o processo,
um módulo Leave. Segundo Prado (2014), o módulo Station pode ser utilizado para
indicar que a entidade, em nosso caso a peça, ocupou a estação. O módulo Enter
tem a mesma finalidade do módulo Station. O módulo Leave serve para informar
que a estação foi desocupada. O módulo Sation também é útil para representar um
conjunto de estações que possuem função semelhante, pois apresenta uma função
SET, que permite agrupá-las. Na Figura 14, está apresentado o modelo com a nova
configuração, sem os nomes dos módulos Station e Leave alterados.
203
UNICESUMAR
Figura 14 - Representação do modelo do Exemplo 2 com os módulos Station e Leave / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o modelo do Exemplo 2 dividido em quatro linhas. Neste modelo,
aparece o módulo Create de Chegada de Peças conectado a Station 1, que está conectado ao módulo Process de
Torneamento, que está conectado ao módulo Leave 1, na primeira linha. Na segunda linha, aparece o módulo
Station 2 conectado ao módulo Process Fresamento, que está conectado ao módulo Leave 3. Na terceira linha,
aparece o módulo Station 3 conectado ao módulo Process Furação, que está conectado ao módulo Leave 4. Na
quarta linha, aparece o módulo Station 4 conectado ao módulo Process de Polimento, que está conectado ao
módulo Leave 5 e este conectado ao módulo Dispose de Saída.
Agora, você precisa configurar os módulos Station e Leave presentes em cada linha
de processo. Na Figura 15, você verifica a configuração do Módulo Station 1, que
está conectado ao Torneamento.
Figura 15 - Preenchimento
do módulo Station para o
Torneamento / Fonte: o autor.

gem, aparece um módulo Station
com o campo Name escrito Para
Torneamento, o campo Station
Type está selecionado Station, o
campo Station Name está preen-
chido com Torno. Station.
204
UNIDADE 7
O segredo deste módulo é preencher o campo Station name com um nome que você
utilizará para conectar o módulo Leave anterior, no caso do processo de Torneamento,
não há um módulo Leave antes dele, então, o nome da estação fica apenas figurativo,
agora, quando preenchermos o módulo Station para o Fresamento, seu nome será
utilizado no módulo Leave anterior, ou seja, do Torneamento. Sendo assim, veja
como será feito o preenchimento do módulo Leave do Torneamento na Figura 16.
do módulo Leave que sai do
Torneamento e segue para o
Fresamento / Fonte: o autor.
imagem, aparece a janela
do módulo Leave, que sai do
Torneamento e segue para o
Fresamento. Em Name, está
escrito Para Fresamento, em
Allocation, está selecionado
Vallue Added, em Delay está
escrito 0, em Units, aparece se-
lecionado minutes. Em transfer
out, aparece None, em Connect
Type está selecionado Route,
em Move Time: está escrito 1,5,
e, em Units, está selecionado
Minutes. Em Station Type, está
selecionado Station, e, em Sta-
tion Name, está escrito Fresa-
mento.Station.
O mesmo processo de preenchimento é realizado nos demais módulos Station e

Leave. Na Figura 17, você verifica o preenchimento do módulo Station que entra no
Fresamento. Observe como o Station.Name utilizado é o mesmo nome que atribuímos
ao Station Name do módulo Leave do Torneamento.
205
UNICESUMAR
módulo Station para o Fresamento
Fonte: o autor.

gem, aparece um módulo Sta-
tion com o campo Name escri-
to Para Fresamento, o campo
Station Type está selecionado
Station, o campo Station.Name
está preenchido com Fresa-
mento.Station.
Da mesma maneira, preencheremos o módulo Leave do Fresamento que conectará

ao processo de Furação. Observe como faremos na Figura 18.
do módulo Leave que sai do
Fresamento e segue para a
Furação / Fonte: o autor.
imagem, aparece a janela do
módulo Leave, que sai do Fre-
samento e segue para a Fura-
ção. Em Name, está escrito Para
Furação, em Allocation, está
selecionado Vallue Added, em
Delay, está escrito 0, em Units,
aparece selecionado Minutes.
Em transfer out, aparece None,
em Connect Type, está selecio-
nado Route, em Move Time: está
escrito 2,0, e, em Units, está se-
lecionado minutes. Em Station
Type, está selecionado Station,
e, em Station Name, está escrito
Furação.Station.
206
UNIDADE 7
Como sequência do processo, na Figura 19, aparece o módulo Station do processo

de Furação preenchido.
Figura 19 - Preenchimento do módulo

Station para a Furação / Fonte: o autor.

aparece um módulo Station com o
campo Name escrito Para Furação, o
campo Station Type está selecionado
Station, o campo Station.Name está
preenchido com Furação.Station.
Saindo do módulo Processo da Furação, preenchemos o módulo Leave da Furação

para o Polimento, como apresentado, na Figura 20.
módulo Leave que sai da Furação
e segue para o Polimento
Fonte: o autor.
módulo Leave, que sai da Fura-
ção e segue para o Polimento.
Em Name, está escrito Para
Polimento, em Allocation, está
aparece selecionado minutes.
nado Route, em Move Time:,
está escrito 1,5, e, em Units,
está selecionado minutes. Em
Station Type, está selecionado
Station, e, em Station Name,
está escrito Polimento.Station.
207
UNICESUMAR
Para finalizar, preenchemos o módulo Station do polimento, como apresentado na

Figura 21.

Station para o Polimento
Fonte: o autor.

aparece um módulo Station com o
campo Name escrito Para Polimento,
o campo Station Type está seleciona-
do Station, o campo Station.Name está
preenchido com Polimento.Station.
E, na Figura 22, preenchemos o módulo Leave do Polimento para a Saída do processo.

Neste caso podemos manter o campo Connect Type como Connect.
do módulo Leave, que sai do
Polimento e segue para a Saída
Fonte: o autor.
módulo Leave, que sai do Poli-
mento e segue para a Furação.
Em Name, está escrito Para
Polimento, em Allocation, está
aparece selecionado Minutes.
nado Connect.
208
UNIDADE 7
Resolvendo a simulação, encontraremos os resultados apresentados, na Figura 23,

para o modelo de simulação.
Descrição da Imagem: na imagem, aparece o modelo do Exemplo 2 dividido em quatro linhas. Neste modelo
aparece o módulo Create de Chegada de Peças conectado a Station 1, que está conectado ao módulo Process
de Torneamento que está conectado ao módulo Leave 1 na primeira linha. Na segunda linda aparece o módulo
Station 2 conectado ao módulo Process Fresamento que está conectado ao módulo Leave 3. Na terceira linha
aparece o módulo Station 3 conectado ao módulo Process Furação que está conectado ao módulo Leave 4. Na
quarta linha aparece o módulo Station 4 conectado ao módulo Process de Polimento que está conectado ao
módulo Leave 5 e este conectado ao módulo Dispose de Saída. Abaixo do módulo Chegada de Peças, está escrito
481, e, abaixo do módulo Saída,xcg está escrito 476.
Os relatórios de resultado da simulação são apresentados, nas Figuras 24 e 25.
209
UNICESUMAR
Descrição da Imagem: na imagem, aparece o relatório de filas contendo no campo Time a coluna Waiting Time
contendo o nome de cada processo escrito um abaixo do outro, sendo o primeiro Fresamento, seguido por
Furação, Polimento e Torneamento. Na coluna Average, aparece o número zero para todos os processos. No
campo Other, na coluna Number Waiting, aparece o nome de todos os processos, um abaixo do outro, sendo o
primeiro Fresamento, seguido por Furação, Polimento e Torneamento. Na coluna Average, todos os processos
estão com número zero.
Observe a Figura 25, mesmo com os tempos entre os processos sendo considerados,
não há formação de filas.
Descrição da Imagem: na imagem, aparece uma parte do relatório de taxa de ocupação dos recursos do proces-
so. Abaixo de Scheduled Utilization, aparecem os recursos, iniciando, de cima para baixo, pela Fresadora, seguida
da Furadeira, Máquina de Polimento e Torno. Na coluna Value, aparecem as taxas de ocupação de cada recurso,
sendo 0,7584 para Fresadora, 0,7963 para Furadeira, 0,6953 para Máquina de Polimento e 0,9000 para Torno.
Veja que as taxas de ocupação do sistema, praticamente, se mantiveram iguais às do

problema resolvido sem a consideração dos tempos entre processos, no entanto, na
Figura 23, observa-se que a produção em cinco dias se reduziu em uma unidade.
A variação é pouca, pois os tempos constantes utilizados nas etapas de processo e
nos tempos de transferência tornariam nosso sistema quase perfeito, sem variação
alguma, sendo executado de maneira íntegra e bem coordenada.
210
UNIDADE 7
Em sistemas produtivos atuais, o conceito da automação tem se tornado muito forte, poden-
do sugerir uma regularidade do processo, levando a tempos constantes entre as etapas e de
processamento. Teoricamente, processos mecanizados apresentam menor índice de variação,
são menos propensos ao erro e possuem qualidade controlável. Mesmo assim, pode haver
variabilidade nos dados, pois o sistema como um todo é uma sequência de ações, em algum
momento, o sistema apresentará alguma falha. Se houver uma peça defeituosa, por exemplo,
o sistema de controle a descartará, e uma nova peça será alimentada na etapa onde houve
o descarte, porém a etapa seguinte terá que aguardar um tempo maior para receber a peça
para processamento.
Sabemos, no entanto, que há variabilidade nos tempos de execução dos processos e pode haver variação
nos próprios tempos de transferência. Vamos, agora, tornar nosso problema mais realista acrescentando
um comportamento aleatório aos dados de processamento em cada etapa.
03. EXEMPLO Para podermos comparar a influência dos tempos de transferência entre etapas de
processo na produção final de peças, retornemos ao modelo criado no Exemplo 1,
onde ainda não consideramos os tempos entre processos. Mas, agora, admita que a
chegada de peças no Torno segue uma distribuição Normal de média 5min e desvio
padrão de 1,2min, o tempo de processamento no Torno seguindo uma distribuição
Exponencial de média 4,5min, o tempo de processamento na Fresa uma distribuição
Normal, com média 3,8min e desvio padrão de 0,5min, o tempo de processamento
na Furação uma distribuição Normal com média 4min e desvio padrão de 0,5min, e
o tempo de processamento no Polimento uma distribuição Exponencial com média
3,5min. Para avaliar, adequadamente, os tempos, faça uma simulação para 22 dias de
trabalho e execute cinco replicações.
Solução: A solução inicia-se criando uma cópia do modelo do Exemplo 1 e
alterando as dinâmicas do tempo de chegada e de processamento, de acordo com
as distribuições de probabilidade apresentadas no enunciado. Como exemplo, veja
nas Figuras 26 e 27 como ficarão os preenchimentos para Chegada de Peças e para
o Torneamento.
211
UNICESUMAR
Figura 26 - Preenchimento do campo Create para Chegada de Peças para o Exemplo 3 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Create preenchido, no campo Name está escrito Chegada
de Peças, o campo Entity Type está preenchido por Peça, o campo Type está preenchido com Expression, o cam-
po Expression está preenchido com NORM(5,1.2), o campo Units preenchido por minutes. Em Entities per Arrival
aparece o número 1, em Max Arrivals está escrito Infinite e em First Creation aparece 0.0.
campo Process para Torneamento
no Exemplo 3 / Fonte: o autor.

está preenchido por Tornea-
mento, o campo Type preen-
No campo Priority, está selecio-
nado Medium. Em Resources, foi
adicionado um recurso com o
nome Torno. Em Delay Type,
aparece selecionado Expres-
sion, em Units, aparece Minu-
tes, em Allocation aparece Value
Added, e, no campo Expression
,aparece escrito EXPO(4.5).
As demais janelas de processo são preenchidas e, também, a janela de configurações

da simulação, como apresentado na Figura 28.
212
UNIDADE 7

Exemplo 3 / Fonte: o autor.
do de Aquecimento, aparece 0.0,
em Unidade de Tempo, aparece
Minutes, em Duração de Replica-
ção, está preenchido o número
22, à frente deste campo, em
Unidade de Tempo, aparece es-
crito Days, no campo Horas por
Dia, está escrito o número 8, e,
em Unidade de Tempo Base,
está selecionado Minutes.
Depois de todas as informações preenchidas, o programa pode ser executado para

gerar os novos dados da simulação. Nas Figuras 29 e 30, você pode verificar as quan-
tidades estimadas de peças que entram no processo e das peças que saem.
Figura 29 - Resultado da Simulação do modelo do Exemplo 3 para os dados de entrada / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem o módulo Create de Chegada de Peças, o módulo Process de
Torneamento e o módulo Process de Fresamento. Abaixo do módulo de Chegada de Peças, aparece o número
2124 indicando a quantidade de peças que entra no processo, abaixo de Torneamento, aparece o número 3,
e do Fresamento aparece o número 0.
213
UNICESUMAR
Figura 30 - Resultado da Simulação do modelo do Exemplo 3 para os dados de saída / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem o módulo Process de Furação, o módulo Process de Polimento e
o módulo Dispose de Saída. Abaixo do módulo Furação, aparece o valor 1, abaixo do módulo Polimento, está
escrito o valor 0, e, abaixo do módulo Saída, aparece o número 2120, indicando a quantidade de peças que
saem do processo.
Nas Figuras 31 e 32, você pode ver alguns resultados obtidos para a simulação do
modelo do Exemplo 3.
Descrição da Imagem: na imagem, aparece o relatório de filas contendo, no campo Time, a coluna Waiting Time contendo o nome de cada
processo escrito, um abaixo do outro, sendo o primeiro Fresamento, seguido por Furação, Polimento e Torneamento. Na coluna Average,
aparece o número 4,5837 para o Fresamento, 1,8333 para a Furação, 4,5991 para o Polimento e 19,8769 para o Torneamento. No campo
Other, na coluna Number Waiting, aparece o nome de todos os processos, um abaixo do outro, sendo o primeiro Fresamento, seguido por
Furação, Polimento e Torneamento. Na coluna Average, todos os processos estão com número 0,9240 para o Fresamento, 0,3691 para a
Furação, 0,9257 para o Polimento e 4,0095 para o Torneamento.
Na Figura 31, você observa que o processo começa a formar filas, havendo um tempo
médio na fila do Fresamento de 4,584min, na Furação de 1,83min, no Polimento
4,60min e no Torneamento 19,88min.
214
UNIDADE 7
Descrição da Imagem: na imagem, aparece uma parte do relatório de taxa de ocupação dos recursos do processo. Abaixo de Scheduled
Utilization, aparecem os recursos, iniciando, de cima para baixo, pela Fresadora, seguida da Furadeira, Máquina de Polimento e Torno. Na
coluna Value, aparecem as taxas de ocupação de cada recurso, sendo 0,7648 para Fresadora, 0,8054 para Furadeira, 0,7110 para Máquina
de Polimento e 0,9075 para Torno.
Da Figura 32, observa-se que as taxas de ocupação dos recursos estão em 0,7648 para
a Fresadora, 0,8054 para a Furadeira, 0,7110 para a Máquina de Polimento e 0,9075
para o Torno. O relatório, também, mostra que, em média, entram no sistema 2131
peças, e saem, no período (mês de trabalho), em média, 2124.
Olá! Sabemos que a simulação tem um poder muito grande parar

ajudar a resolver problemas de um modo geral, então, ouça, neste
Podcast, como o software pode ajudar a estudar a dinâmica de mo-
vimentação de cargas em um terminal portuário.
Agora, acrescentaremos os tempos de transferência no modelo do Exemplo 3. Sendo assim, os módulos

de Advanced Transfer serão utilizados, observe como resolvê-lo no Exemplo 4.
215
UNICESUMAR
04. EXEMPLO Para avaliar o comportamento do sistema para a simulação com os tempos de transfe-
rência, utilize o modelo do Exemplo 3 e acrescente os módulos de Advanced Transfer
para considerar os tempos de transferência listados no Exemplo 2. Execute a simu-
lação para o mesmo intervalo de tempo de 22 dias, adotando 8h diárias de trabalho.
Solução: O modelo estruturado seguirá o padrão apresentado na Figura 14 do
Exemplo 2. Os módulos de processo serão configurados, como apresentado no Exem-
plo 3. Assim, teremos uma dinâmica que considera tempos de chegada de peças
no sistema e de processamento aleatórias ajustadas, estatisticamente, e tempos de
transferência entre processos como constantes. Depois de executar a simulação com
cinco replicações, teremos os resultados apresentados na Figura 33.
Torneamento, que está conectado ao módulo Leave 1, na primeira linha. Na segunda linda, aparece o módulo
módulo Leave 5, e este conectado ao módulo Dispose de Saída. Abaixo do módulo Chegada de Peças, está escrito
2118, e, abaixo do módulo Saída, está escrito 2112. Abaixo do módulo Torneamento, aparece o número 1, abaixo
do módulo Fresamento, também, aparece o número 1, abaixo do módulo Furação, aparece o número 4 e, acima
deste módulo, aparecem três símbolos de entidade na fila. Abaixo do módulo Polimento, aparece o número 0.
216
UNIDADE 7
Nas Figuras 34 e 35, são apresentados os relatórios de fila e da taxa de ocupação

deste sistema.
Torneamento, que está conectado ao módulo Leave 1, na primeira linha. Na segunda linda, aparece o módulo
módulo Leave 5, e este conectado ao módulo Dispose de Saída. Abaixo do módulo Chegada de Peças, está escrito
2118, e, abaixo do módulo Saída, está escrito 2112. Abaixo do módulo Torneamento, aparece o número 1, abaixo
do módulo Fresamento, também, aparece o número 1, abaixo do módulo Furação, aparece o número 4 e, acima
deste módulo, aparecem três símbolos de entidade na fila. Abaixo do módulo Polimento, aparece o número 0.
Na Figura 34, você observa que o processo começa a formar filas, havendo um tem-
po médio na fila do Fresamento de 4,38min, na Furação de 1,81min, no Polimento
4,89min e no Torneamento 16,22min.
Descrição da Imagem: na imagem, aparece uma parte do relatório de taxa de ocupação dos recursos do processo.
Abaixo de Scheduled Utilization, aparecem os recursos, iniciando, de cima para baixo, pela Fresadora, seguida
da Furadeira, Máquina de Polimento e Torno. Na coluna Value, aparecem as taxas de ocupação de cada recurso,
sendo 0,7539 para Fresadora, 0,7924 para Furadeira, 0,6968 para Máquina de Polimento e 0,8739 para Torno.
217
UNICESUMAR
Na Figura 35, observa-se que as taxas de ocupação dos recursos estão em 0,7539 para
a Fresadora, 0,7924 para a Furadeira, 0,6968 para a Máquina de Polimento e 0,8739
para o Torno. O relatório gerado também mostra que, em média, entram no sistema
2102 peças, e saem, no período (mês de trabalho), em média, 2094.
Observe que, em ambos os casos, no Exemplo 3 e no Exemplo 4, as distribuições
de probabilidade e os parâmetros de cada processo são os mesmos, mas, ao considerar
relevantes os tempos de deslocamento, levou a uma menor produção no Exemplo
4, sendo 2094 unidades frente às 2124 unidades do Exemplo 3, ou seja, 30 unidades
a menos. Cabe, aqui, observar que a quantidade de peças que entrou no sistema do
Exemplo 4 também foi menor, de 2102 unidades contra as 2132 unidades do Exemplo
3. Em sistemas com tempos de deslocamento maiores, o impacto será mais visível, e
evitará estimativas maiores do que as possíveis, de fato. É interessante notar, também,
que esta análise permite avaliar como uma otimização no sistema de transferência de
materiais entre processos pode impactar na produção ao final de determinado período.
No início da unidade, foi solicitado que você calculasse o tempo necessário para retirar uma unidade
do processo produtivo genérico representado, considerando os tempos de processamento e de transfe-
rência entre cada processo. Da Tabela 1, somando os tempos de processo, temos um total de 10 minutos,
e, somando os tempos de transferência, encontramos 3 minutos. Desta forma, o tempo total para que
uma unidade deixe todo o processo, desde sua entrada na Etapa 1 até sua saída na Etapa 5, é de 13
minutos. Em seguida, foi proposta uma alteração nos tempos e transferência entre as etapas 2 e 3, 3 e 4
para 0,5 min, o que levaria a soma dos tempos de transferência para 2 minutos. Assim, o novo tempo
total passaria a 12 minutos, 10 minutos de processo mais 2 minutos de transferência entre processos.
Há, então, a redução de 1 min no tempo total da entidade dentro do processo.
Imagine um processo que conta com inúmeros tempos de transferência por haver várias etapas de
processo. Qualquer melhoria que seja feita com o objetivo de reduzir o tempo total de transferência entre
processos (que não agregam valor ao produto, inclusive) pode afetar, positivamente, a produtividade
da empresa, sem, necessariamente, substituir máquinas ou equipamentos e sem contratar mais mão
de obra. Em sua vida profissional, é possível avaliar, com mais qualidade e assertividade, um processo,
utilizando a simulação como ferramenta preditiva de resultados. Assim, você simula o que se pode
esperar ao propor mudanças, podendo, inclusive, avaliar uma gama de cenários muito grande. Às vezes,
há mais de uma opção de melhoria a ser, e a simulação te ajudará a definir a ordem de prioridade de
melhorias, ou seja, ranquear o retorno financeiro que cada uma pode ter.
Na oitava unidade, nós aumentaremos nosso rol de ferramentas para simular e representar processos
produtivos. Utilizaremos o módulo Decide, que permitirá avaliar processos que apresentam rejeito de
produtos defeituosos ou não conformes.
218
Agora, sintetizaremos nossos conhecimentos. Veja o Mapa Mental apresentado na Figura 36,
já, parcialmente, preenchido, e o complete com os módulos de estações de trabalho estudados
nesta unidade.
1- Conectar processos 2- Permitem conectar

atribuindo tempos de Características processos sem a linha do
movimento conector
ESTAÇÕES DE TRABALHO (ARENA)
Estrutura
1- Conectado antes do processo

1- Conectado após o processo
2- Permite acréscimo do tempo de transferência até o processo 2- Recebe o nome da Station do processo seguinte.
Descrição da Imagem: na imagem, há um Mapa Mental com um retângulo no centro escrito Estações de Trabalho (Arena). Deste re-
tângulo, surge uma ramificação para cima, conectada a um retângulo onde se lê Características, e este retângulo está conectado a dois
outros retângulos, onde se lê, da esquerda para a direita, Conectar processos atribuindo tempos de movimento e Permitem conectar
processos sem a linha do conector. Do retângulo central, também sai uma ramificação para baixo, conectada a outro retângulo onde
se lê Estrutura. Este retângulo, está conectado a dois outros retângulos, um à esquerda e outro à direita, ambos estão em branco para
preenchimento. Do retângulo da esquerda saem dois retângulos onde se lê Conectado antes do processo e Permite acréscimo do
tempo de transferência até o processo. Do retângulo da direita também surgem dois retângulos onde se lê Conectado após o processo
e Recebe o nome da Station do processo seguinte.
219
1. Uma fábrica produz peças para a indústria naval, utilizando quatro etapas. Recebe pe-
quenos blocos metálicos e envia ao Corte, em seguida, segue para uma Prensa, depois
Dobramento e finaliza, passando por um Forno de tratamento térmico. Cada bloco é
transformado em uma peça, e a dinâmica de chegada ao Corte segue uma distribuição
exponencial de média 3,7min. O processo de Corte ocorre seguindo uma distribuição
normal de média 2,2min com desvio padrão de 0,5min; a prensagem ocorre segundo
uma distribuição normal com média 2,3min e desvio padrão de 0,8min; o Dobramen-
to segue uma distribuição normal com média 2,7 min e desvio padrão de 0,5min, e o
tratamento térmico em forno contínuo segue uma exponencial com média de 2,5min.
O Engenheiro da fábrica analisou os tempos de transferência entre cada etapa do pro-
cesso e encontrou para o tempo de transferência entre o Corte e a Prensagem o valor
médio de 3,5 min. Entre a Prensagem e o Dobramento, a transferência de peças ocorre
segundo um tempo médio de 1,0min, e, entre o processo de dobra e o Tratamento
Térmico, a transferência ocorre segundo um tempo médio de 2min.
Elabore um modelo de simulação, no Arena, e avalie a produção de peças mensal,
admitindo 24 dias trabalhados e 12h de produção. Utilize 15 replicações e anote os
valores da quantidade de blocos que entram, peças que saem, os parâmetros da fila
(tempo médio e número médio na fila), além das taxas de ocupação dos recursos.
2. Uma proposta de melhoria foi entregue para a diretoria da empresa solicitando a

aquisição de uma ferramenta para a máquina de dobra que permite a ela executar o
processo mais rápido, o que levaria o tempo de Dobramento a seguir uma distribuição
triangular, com moda 2,3min, mínimo de 2,0min e máximo de 2,6min. Além disso, as
etapas de Corte e Prensagem foram aproximadas, fisicamente, reduzindo o tempo de
transferência entre as duas etapas para 2,8 min.
Sabendo que o preço de venda de cada unidade é de R$6,80, verifique, pela simu-
lação de 24 dias com 12h diárias, se haverá aumento ou queda da receita, caso todas
as peças fabricadas sejam vendidas.
220
3. Uma indústria fabrica calças de couro feminina utilizando uma etapa inicial de Corte,
seguida de Costura e, por fim, Inspeção. Na mesa de corte, o processamento de cada
peça ocorre segundo uma distribuição Triangular com um tempo mínimo de 10min,
uma moda de 13min e um tempo máximo de 16min. O processo de Costura segue
uma distribuição Triangular com mínimo de 20min, moda de 25min e máximo de
30min. A Inspeção ocorre segundo um tempo médio de 2min e, em seguida, as calças
são enviadas para o Estoque. O tempo médio de chegada de tecido para o Corte é de
10min, entre o Corte e a Costura é de 2min, entre a Costura e a Inspeção, de 3min e,
da Inspeção para o Estoque, 2min. Elabore um modelo de simulação, utilizando os
módulos Station e Leave para representar este processo produtivo e avalie a produção
de calças jeans em um dia de trabalho de 12h.
Anote a quantidade de peças na fila, o tempo médio na fila, a taxa de ocupação de
cada etapa e a situação do processo ao final das 12h. Utilize cinco replicações para
obter um resultado melhor.
221
222
8
Módulo Decide
Olá, caro(a) aluno(a)! Nesta oitava unidade do livro Simulação de

Processos Produtivos, você aprenderá a utilizar o módulo Decide, que
permite simular uma inspeção, por exemplo, levando à segregação
de peças ou materiais defeituosos que precisem de retrabalho. Sa-
bemos que é comum as empresas não conseguirem atingir 100%
de qualidade em suas peças, havendo sempre algum refugo ou
retrabalho. Portanto, ter meios para simular esta condição é muito
útil e necessário. Então, não perca tempo!
UNICESUMAR
Algumas ferramentas da qualidade, como Diagrama de Ishikawa, Diagrama de

Pareto, Carta de Controle, Diagrama de Processos, 5S e 5W2H são úteis para medir
a qualidade atual do sistema produtivo, identificando possíveis falhas para que se
estudem melhorias. Um dos pontos importantes da gestão da qualidade, indepen-
dentemente da ferramenta utilizada, é melhorar a qualidade dos produtos acabados,
reduzindo, ao máximo, o retrabalho e o descarte de material sucateado. Toda me-
lhoria que se faz aumentando a quantidade de produtos bons, de qualidade, resulta
mais vendas e receita, e como o custo do retrabalho eleva o custo unitário do pro-
duto, ampliam-se os lucros ao aumentar a quantidade de produtos bem fabricados.
Imagine que você pertence ao departamento de qualidade de uma empresa e
precisa provar que algumas medidas de melhoria, que são sugeridas por você, terão
impacto econômico positivo na empresa. Será que você consegue simular diferentes
cenários em que são geradas quantidades distintas de produto acabado, contabilizan-
do rejeitos e retrabalhos? Seria possível verificar o impacto destas melhorias quanto
ao aumento da quantidade de produto em bom estado disponível para venda?
Vimos que uma das vantagens da simulação é poder prever cenários diferentes,
avaliando seu impacto em todo o processo produtivo estudado. Mesmo com a
presença de rejeito ou retrabalho, você, também, consegue analisar diferentes re-
sultados que poderiam ter, reduzindo o percentual de rejeitos em diferentes valores.
O software Arena possui alguns recursos que permitem simular esta condição,
ampliando a capacidade dos nossos modelos em resolver problemas. Tais recursos
permitem inserir o percentual de produtos gerados sem defeito, retornando-os para
diferentes pontos do processo.
Considere um processo que tem como padrão gerar 200 unidades/h, trabalhando
durante 6h diárias. Em um primeiro momento, a quantidade de itens defeituosos
é de 20%. Um processo de melhoria foi executado, e o percentual de produtos
defeituosos foi reduzido para 15%. Calcule, nas duas situações, o quanto se espera
produzir de produtos bons para venda e anote a diferença entre a produção após a
melhoria com as condições iniciais (20% de defeitos).
Uma maneira bem simples de resolver este problema é calcular o percentual
de itens bons, encontrar a quantidade de itens bons produzidos por hora e, então,
multiplicar pelo total de horas trabalhadas que são consideradas. Em seguida, basta
subtrair a quantidade de itens produzidos após a melhoria e os itens produzidos
antes da melhoria.
Escreva no Diário de Bordo suas considerações sobre os cálculos realizados. Dis-
cuta, de maneira breve, se você entende que, se o processo envolvesse uma troca de
máquina, o novo sistema de filas poderia influenciar a quantidade total produzida
após as melhorias do processo.
224
UNIDADE 8
DIÁRIO DE BORDO
O modelo de simulação com o módulo de decisão terá um formato parecido com o que foi desenvolvido na
unidade anterior. Continuaremos utilizando os módulos “Station” e “Leave” para criar as estações de trabalho
para cada processo, e o módulo Decide para que possamos inserir a porcentagem de reprocesso utilizada
para o sistema produtivo (PRADO, 2014, FREITAS FILHO, 2008). Para entender melhor, veja o Exemplo 1.
01. EXEMPLO Em uma fábrica, chegam pedidos segundo uma distribuição exponencial de média 20
minutos, sendo enviados para a produção, passando por duas máquinas. Na máquina
A, o processo ocorre com uma distribuição uniforme dentro de um intervalo de 14 a
24 minutos, há um tempo de transferência constante de 3 minutos até a máquina B,
onde o processo ocorre de acordo com uma distribuição uniforme, em um intervalo
de 10 a 15 minutos. Após a máquina B, ocorre uma inspeção de todos os produtos de
acordo com uma distribuição triangular com tempo mínimo de 12min, máximo de
18min e média de 15min. O tempo de transferência da máquina B para a inspeção
é de 2min. Há uma taxa de 30% de rejeição na inspeção, e os produtos rejeitados são
levados para uma estação de reparo que executa a ação, segundo uma distribuição
uniforme em um intervalo de 20 a 25 minutos. A transferência da inspeção para a
estação de reparo é de 2min. Os produtos bons são enviados para a expedição, e os
produtos reparados também. A transferência tanto da máquina B quanto da estação
de reparo para a expedição é de 3min. Sendo assim:
a) Simule o processo descrito para 100h com 5 replicações e faça um levan-
tamento dos parâmetros de fila e das quantidades de produto que saem do
processo. Anote, também, a quantidade de produtos rejeitados e que devem
ser retrabalhados.
b) Se o custo de fabricação normal de uma unidade do produto é de R$2,50 e
de R$2,90 quando este é reprocessado, analise o custo total de fabricação nas
100h simuladas. Compare com o custo que você teria se nenhum produto
fosse reprocessado, mas saísse do processo em condições de venda.
225
UNICESUMAR
Solução: O modelo elaborado para este processo considera os processos que envol-
vem a máquina A (Processo A), a máquina B (Processo B), a inspeção e o retrabalho.
Cada um destes processos será descrito como uma estação de trabalho. Conectado à
saída da Inspeção, haverá um módulo Decide, responsável por segregar os produtos
bons daqueles que deverão ser retrabalhados. A forma geral do modelo será como
o apresentado na Figura 1.
Figura 1 - Representação do modelo de simulação do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a estrutura do modelo do exemplo 1. Na primeira linha, há um

módulo Create onde está escrito Entrada de Processo, um módulo Station onde se lê Para a Máquina A, um
módulo Process onde está escrito Processo A e um módulo Leave onde está escrito Máquina A para Máquina
B. Na segunda linha, há um módulo Station onde está escrito Para Máquina B, um módulo Process onde está
escrito Processo B e um módulo Leave onde está escrito Máquina B para Inspeção. Na terceira linha, há um
módulo Station onde está escrito Para Inspeção, um módulo Process onde está escrito Inspeção, um módulo
Decide onde está escrito Produto Bom? e um módulo Leave onde está escrito Inspeção para Expedição. Na
quarta linha, há um módulo Station onde está escrito Inspeção para Reparo, que está conectado ao módulo
Decide; há outro módulo Station onde está escrito Para Reparo, um módulo Process onde está escrito Reparo
e um módulo Leave onde está escrito Reparo para Expedição. Na quinta linha, há um módulo Station onde
está escrito Para Expedição, um módulo Leave onde está escrito Saída Expedição e um módulo Dispose onde
está escrito Saída.
Todos os processos são preenchidos com as lógicas de tempo estabelecidas no enun-

ciado do Exemplo 1. Nas próximas figuras, serão apresentados os preenchimentos para
cada módulo que descreve o modelo de simulação. Em Basic Process, renomeamos
o módulo Entity como Produto, como apresentado na Figura 2.
Figura 2 - Preenchimento do campo Entity com o nome Entity Type como Produto / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma barra de opções de Entity. No campo Entity Type foi digitado o nome Produto.
226
UNIDADE 8
Na Figura 3, é apresentado o módulo Create, preenchido para Entrada do Processo.
Figura 3 - Preenchimento do módulo Create para Chegada de Peças / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Create preenchido; no campo Name, está escrito Entrada
do Processo; o campo Entity Type está preenchido por Produto, o campo Type está preenchido com Expression,
no campo Expression está preenchido EXP (20), o campo Units preenchido por Minutes. Em Entities per Arrival
aparece o número 1, em Max Arrivals está escrito Infinite, e, em First Creation, aparece 0.0.
Na Figura 4, é apresentado o preenchimento do módulo Station, que cria a estação

do Processo A.

Station para criação da estação
Processo A / Fonte: o autor.

aparece o módulo Station preen-
chido, no campo Name está escrito
Para Máquina A, o campo Station
Type está preenchido por Station, o
campo Station.Name está preenchi-
do com ProcessoA.Station.
227
UNICESUMAR
Na Figura 5, você pode verificar como ficou o preenchimento do módulo Process

para Processo A.

Process para o Processo A
Fonte: o autor.

preenchido, o campo Name está
preenchido por Processo A, o
campo Type preenchido por
Standard, o campo Action por Sei-
ze Delay Release. No campo Prio-
rity, está selecionado Medium.
Em Resources, foi adicionado
um recurso com o nome Má-
quina A. Em Delay Type, aparece
selecionado Expression, em Units,
aparece Minutes, em Allocation,
aparece Value Added e no cam-
po Expression, aparece escrito
UNIF(14,24).
Na Figura 6, aparece o preenchimento do módulo Leave para o Processo A

Leave para criação da estação
Processo A / Fonte: o autor.

gem, aparece o módulo Leave
preenchido, no campo Name
está escrito Máquina A Para
Máquina B, o campo Allocation
está preenchido por Value Ad-
ded, o campo Connect Type está
preenchido com Route, o cam-
po Move Time, com 3, e o cam-
po Units, com Minutes. O campo
Station Type está preenchido
com Station, e o campo Station.
Name está preenchido com Pro-
cessoB.Station.
228
UNIDADE 8
Na Figura 7, você pode verificar o preenchimento do módulo Station para a criação

da estação de trabalho do Processo B.

Processo B / Fonte: o autor.

Para Máquina B, o campo Station
Type está preenchido por Station, o
campo Station.Name está preenchido
com ProcessoB.Station.
Na sequência, temos um módulo Process para representar o processo B referente à

máquina B, que será preenchido, como apresentado na Figura 8.

Process para o Processo B
Fonte: o autor.

aparece o módulo Process preenchi-
do, o campo Name está preenchi-
do por Processo B, o campo Type,
preenchido por Standard, o campo
Action, por Seize Delay Release. No
campo Priority, está selecionado Me-
dium. Em Resources, foi adicionado
um recurso com o nome Máquina
B. Em Delay Type, aparece selecio-
nado Expression, em Units, aparece
Minutes, em Allocation, aparece Value
Added, e, no campo Expression, apa-
rece escrito UNIF(10,15).
229
UNICESUMAR
Para fechar a estação de trabalho do processo B, é utilizado o módulo Leave para

conectar esta estação de trabalho com a estação de inspeção, preenchido como apre-
sentado na Figura 9.

Processo B / Fonte: o autor.

preenchido, no campo Name,
está escrito Máquina B Para Ins-
peção, o campo Allocation está
preenchido por Value Added, o
campo Connect Type está preen-
chido com Route, o campo Move
Time com 2, e o campo Units, com
Minutes. O campo Station Type
está preenchido com Station, e o
campo Station.Name está preen-
chido com Inspecao.Station.
Na terceira linha do modelo, é criada a estação de trabalho da Inspeção, para tanto, ini-
ciamos a linha com um módulo Station para a Inspeção, como apresentado na Figura 10.
módulo Station para criação da
estação Inspeção / Fonte: o autor.

gem, aparece o módulo Station
preenchido, no campo Name
está escrito Para Inspeção, o
campo Station Type está preen-
chido por Station, o campo Sta-
tion.Name está preenchido com
Inspecao.Station.
230
UNIDADE 8
Em seguida, é utilizado um módulo Processo para representar a etapa de Inspeção

cujo preenchimento é apresentado, na Figura 11.
módulo Process para a Inspeção
Fonte: o autor.

está preenchido por Inspeção,
o campo Type preenchido por
Standard, o campo Action, por
Seize Delay Release. No campo
Priority, está selecionado Me-
dium. Em Resources, foi adicio-
nado um recurso com o nome
Inspetor. Em Delay Type, aparece
selecionado Expression, em Units,
aparece Minutes, em Allocation,
aparece Value Added, e, no cam-
po Expression, aparece escrito
TRIA(12,15,18).
Logo após, o módulo Process da Inspeção está conectado um módulo Decide, que
representará a quantidade de produtos bons e produtos que devem ser reparados,
como pode ser visto, na Figura 12.
Figura 12 - Preenchimento do módulo Decide para a Inspeção / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Decide preenchido, o campo Name está preenchido por
Produto Bom?, o campo Type preenchido por 2-way by Chance, e o campo Percent True está em 70%.
231
UNICESUMAR
À frente do módulo Decide, está conectado um módulo Leave para fechar a estação
de trabalho da inspeção, como se observa na Figura 13.
módulo Leave para criação da
estação Inspeção em direção à
Expedição / Fonte: o autor.

preenchido, no campo Name está
escrito Inspeção para Expedição,
o campo Allocation está preen-
chido por Value Added, o campo
Connect Type está preenchido
com Route, o campo Move Time,
com 3, e o campo Units, com Mi-
nutes. O campo Station Type está
preenchido com Station, e o cam-
po Station.Name está preenchido
com Expedicao.Station.
A quarta linha se inicia com um módulo Leave, que conecta o módulo Decide à es-
tação de reparo. O preenchimento deste módulo Leave é apresentado, na Figura 14.
módulo Leave para criação da
estação Inspeção em direção ao
Reparo / Fonte: o autor.

preenchido, no campo Name está
escrito Inspeção para Reparo, o
campo Allocation está preenchido
por Value Added, o campo Connect
Type está preenchido com Route,
o campo Move Time, com 2, e o
campo Units, com Minutes. O
campo Station Type está preen-
chido com Station, e o campo
Station.Name está preenchido
com Reparo.Station.
232
UNIDADE 8
À frente do módulo Leave da Inspeção, ainda na linha quatro, foi colocado um módulo
Station para iniciar a criação da estação de trabalho do Reparo cujo preenchimento
está apresentado, na Figura 15.

Station para criação da estação Reparo
Fonte: o autor.

Para Reparo, o campo Station Type
está preenchido por Station, o campo
Station.Name está preenchido com
Reparo.Station.
Em seguida, foi criado um módulo Process para conter a operação de reparo dos
produtos que foram rejeitados pela Inspeção, como se vê, na Figura 16.

Process para o Reparo / Fonte: o autor.

do, o campo Name está preenchido
por Reparo, o campo Type preen-
chido por Standard, o campo Action,
por Seize Delay Release. No campo
Priority, está selecionado Medium.
Em Resources, foi adicionado um
recurso com o nome Reparador. Em
Delay Type, aparece selecionado Ex-
pression, em Units, aparece Minutes,
em Allocation, aparece Value Added,
e, no campo Expression, aparece es-
crito UNIF(20,25).
233
UNICESUMAR
Encerrando a estação de Reparo, colocamos um módulo Leave para conectar o Re-

paro à Expedição uma vez que os produtos reparados são enviados para venda. Veja
seu preenchimento, na Figura 17.

Leave para criação da estação Reparo
Fonte: o autor.

aparece o módulo Leave preenchido,
no campo Name está escrito Reparo
para Expedição, o campo Allocation
está preenchido por Value Added, o
campo Connect Type está preenchido
com Route, o campo Move Time, com 3,
e o campo Units com Minutes. O cam-
po Station Type está preenchido com
Station, e o campo Station.Name está
preenchido com Expedicao.Station.
Na quinta linha, encontramos a estação de trabalho da Expedição, composta por um

módulo Station, um módulo Leave e o módulo Dispose da saída. O preenchimento
do módulo Station é apresentado, na Figura 18.


aparece o módulo Station preenchi-
do, no campo Name está escrito Para
Expedição, o campo Station Type está
preenchido por Station, o campo
Station.Name está preenchido com
Expedicao.Station.
234
UNIDADE 8
O preenchimento do módulo Leave da Expedição pode ser visto, na Figura 19.


aparece o módulo Leave preenchi-
do, no campo Name está escrito
Saída Expedição, o campo Allocation
está preenchido por Value Added, o
campo Connect Type está preenchido
com Connect.
E, para finalizar o modelo, um módulo Dipose é inserido para representar a saída,


Dispose para a saída / Fonte: o autor.

aparece o módulo Dispose preenchi-
do, no campo Name está escrito Saí-
da, e a opção Record Entity Statistics
está assinalada.
Note que o modelo de simulação criado recebe os materiais a serem processados,

envia para a Máquina A, em seguida, para a Máquina B, após o processo da Máquina
B, cada produto segue para a Inspeção onde haverá uma segregação, 70% dos produtos
são considerados aptos para a venda e enviados, diretamente, para a expedição, 30%
dos produtos são considerados inapropriados e enviados para a estação de Reparo,
após o reparo, são, então, levados à expedição, também, para venda.
Inicialmente, deseja-se simular 100h de trabalho, considerando 24h por dia, utili-
zando cinco replicações, desta forma, os parâmetros de replicação serão preenchidos
de acordo com o apresentado, na Figura 21.
235
UNICESUMAR


gem, aparece a janela dos Pa-
râmetros de Replicação. No
campo Número de Replicações
Hours, em Duração de Replica-
crito Hours, no campo Horas por
Dia, está escrito o número 24, e,
em Unidade de Tempo Base,
Os parâmetros de projeto preenchidos para o Exemplo 1 são apresentados, na Figura 22.

Parâmetros de Projeto do Exemplo 1
Fonte: o autor.
Parâmetros de Projeto. No cam-
po Título do Projeto, aparece
Exemplo 1, em Nome do Ana-
lista, está escrito Simulação de
Processos. No campo Coleta de
Estatísticas, estão selecionadas
as opções Entidades, Recursos,
Filas e Processos.
Depois de salvo o modelo, basta executá-lo para gerar os relatórios e avaliar o com-
portamento do sistema produtivo.
236
UNIDADE 8
a) Ao final da execução do modelo de simulação, pode-se observar o resultado

para a 5ª replicação do modelo, apresentado na Figura 23.
Figura 23 - Imagem do modelo após o término da simulação - imagem apresentada para a Replicação 5
Fonte: o autor.
Descrição da Imagem: na imagem, aparece a estrutura do modelo do Exemplo 1, após a simulação com os
resultados da Replicação 5. Na primeira linha, há um módulo Create onde está escrito Entrada de Processo e o
número 293, um módulo Station onde se lê Para a Máquina A, um módulo Process onde está escrito Processo
A, acima deste Processo A, existem alguns ícones representando elementos na fila, e, abaixo do Processo
A, aparece o número 10. Na sequência, há um módulo Leave onde está escrito Máquina A para Máquina B.
Na segunda linha, há um módulo Station onde está escrito Para Máquina B, um módulo Process onde está
escrito Processo B, abaixo do Processo B aparece o número 0, e, na sequência, um módulo Leave onde está
escrito Máquina B para Inspeção. Na terceira linha, há um módulo Station onde está escrito Para Inspeção,
um módulo Process onde está escrito Inspeção, abaixo da Inspeção, aparece o número 0, um módulo Decide
onde está escrito Produto Bom? e um módulo Leave onde está escrito Inspeção para Expedição. Do módulo
Decide, à frente aparece o número 188, e, abaixo, o número 94. Na quarta linha, há um módulo Station onde
está escrito Inspeção para Reparo, que está conectado ao módulo Decide; há outro módulo Station onde está
escrito Para Reparo, um módulo Process onde está escrito Reparo, abaixo deste módulo, aparece 0 e um mó-
dulo Leave onde está escrito Reparo para Expedição. Na quinta linha, há um módulo Station onde está escrito
Para Expedição, um módulo Leave onde está escrito Saída Expedição e um módulo Dispose onde está escrito
Saída onde aparece o número 282.
Na Figura 24, está destacada apenas a estação de trabalho da Inspeção com o mó-
dulo Decide.
237
UNICESUMAR
Figura 24 - Estação de trabalho da Inspeção com módulo Decide / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a linha do modelo que contém a estação de trabalho da Inspeção
com o módulo Decide. Abaixo de Inspeção, aparece o número 0, à frente do Decide, aparece o número 188, e,
abaixo deste módulo, aparece o número 94.
Observe que o módulo Decide permite visualizar a quantidade de produtos que

saíram da Inspeção, considerados bons (188) e considerados inapropriados, que
devem ser enviados para reparo (94), isso para a Replicação 5. Como estamos inte-
ressados na média dos valores, devemos analisar os resultados apresentados pelos
relatórios do Arena. Na Figura 25, é apresentada uma parte do relatório de Entity,
que apresenta a quantidade de produtos que entraram no processo e que saíram no
período de 100h de simulação.
Figura 25 - Parte do relatório Entity para os dados de entrada e saída do sistema simulado / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma parte do relatório Entity, no campo Number In aparece em
Average (média) o valor 295,4, em Minimum Average, aparece 275, e, em Maximum Average, aparece o número
308. No campo Number Out em Average, aparece 278,6, em Minimum Average aparece 270, e, em Maximum
Average, 299.
Observando a Figura 25, verifica-se que há uma entrada, em média, de 295 unidades
do produto para serem processados, e saem, em média, 288 unidades. Na Figura 26,
você pode observar uma parte do relatório Process que apresenta as quantidades de
produto que entram e saem em cada etapa do sistema produtivo simulado.
238
UNIDADE 8
Figura 26 - Parte do relatório Process para as quantidades que entram e saem de cada etapa do processo (cada estação
de trabalho) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Processo do Arena. No campo Number In em
Average, aparece o número 295,4 para o Processo A, 289,8 para o Processo B, 281,8 para Inspeção e 81,8 para
Reparo. No campo Number Out em Average, aparece o número 289,8 para o Processo A, 289 para o Processo
B, 288,20 para a Inspeção e 81,4 para o Reparo.
O relatório Process, apresentado na Figura 26, permite avaliar a quantidade de produtos

que passaram pela estação de reparo bem como as que circularam pelas demais etapas
de processo. Na Figura 27, é apresentado o relatório de filas (Queue) do processo.
Figura 27 - Relatório de filas do modelo simulado do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Queue de filas; no campo Waiting Time em Average,
aparece 104,07min para o Processo A, 0,0031min para o Processo B, 0,3062min para a Inspeção e 1,5210min
para o Reparo. No campo Number Waiting em Average, aparecem os valores 5,1674unid para o Processo A,
0,00015unid para o Processo B, 0,015unid para a Inspeção e 0,021unid para o Reparo.
239
UNICESUMAR
Neste relatório, pode-se observar que o Processo A é o que apresenta fila expressiva,
com um tempo médio de espera na fila em torno de 104,07min. O Reparo também
apresenta uma pequena fila, com um tempo médio de espera em torno de 1,52min.
Todas as demais etapas do processo apresentam um tempo médio de espera na fila
inferior a 1min. Em relação à quantidade de produtos aguardando na fila, observa-se
que o Processo A apresenta 5,17 unidades, e os demais processos uma quantidade
inferior a 1 unidade. No entanto, quando você observa a coluna Maximum Value,
pode-se verificar que, em algum momento, a fila chegou a 25 unidades, reforçando
a ideia de que o Processo A, realmente, é o que apresenta maior fila.
Na Figura 28, pode-se observar as taxas de ocupação de cada recurso ao avaliar
o relatório Resource.
Figura 28 - Parte do relatório Resource para análise da taxa de ocupação de cada recurso / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Resource para avaliar a taxa de ocupação dos recursos do modelo de
simulação. No campo Number Busy em Average, aparecem os valores 0,9146 para o Processo A, 0,6014 para o Processo B, 0,7202 para
o Inspetor e 0,3038 para o Reparador.
Do relatório de Resources, verifica-se que a taxa de ocupação da Máquina A é de

91,46%, da Máquina B de 60,14%, do Inspetor de 72,02% e do Reparador de 30,38%.
b) Dos resultados da simulação, observamos que saem do processo, em média,
288 unidades, das quais 81 saem do Reparo, logo, a quantidade de produtos
que passa direto pela Inspeção e é aprovada é de 207 unidades. Logo, como o
custo de fabricação unitário de produto sem reprocessamento é de R$2,50, e
do produto reprocessado de R$2,90, o custo total será de:
Custo sem reparo 201 R$2, 50 R$502, 50
Custo com reparo 81 R$2, 90 R$234, 90
Custo total R$737, 40
De maneira simplista, poderíamos considerar que, se todos os produtos fossem
fabricados sem necessidade de reparo, seriam 288 unidades produzidas a um custo
de R$2,50, o que resultaria em:
Custo sem reparo 288 R$2, 50 R$720, 00
Custo com reparo 0 R$2, 90 R$0
Custo total R$720, 00
240
UNIDADE 8
Uma diferença de R$17,40. Obviamente, se o custo de reparo for muito superior ao

custo de fabricação regular, maior será a diferença para o processo que produz com
mais ou menos reparos.
Itens defeituosos são estudados dentro da Gestão da Qualidade ou do Controle Estatístico de

Processos. Veja que a Simulação de Processos pode ser uma auxiliar a estas áreas da empresa
para fornecer subsídios financeiros que justifiquem a tomada de decisão para execução de
melhorias no processo, que envolvem, na maioria das vezes, um investimento.
Você pode utilizar mais de um módulo de decisão em seu modelo. Veja, no Exemplo 2, como isto
pode ser feito.
02. EXEMPLO Uma empresa fabrica peças para montadoras de caminhões utilizando três etapas:
uma de Conformação Mecânica, outra de Solda e a última de Polimento. Após a etapa
da Solda, antes do Polimento, há uma inspeção de qualidade nas peças, as que estão
conformes são enviadas para o Polimento, as não conformes são enviadas para um
setor de Dessoldagem e, posteriormente, enviadas para a Solda novamente. Se houver
alguma peça que não pode ser soldada mais uma vez, esta é descartada como sucata.
As peças são fabricadas em sequência, chegando à etapa de conformação mecânica
segundo uma distribuição triangular, com tempo mínimo de 2min, média de 4min
e máximo de 5 min. O processo de Conformação Mecânica segue uma distribuição
Normal de média 3min e desvio padrão de 0,2min. O tempo de transferência de cada
peça para a Solda é de 2min, e o processo de Solda ocorre segundo uma distribuição
Uniforme, variando de 2,5 a 3,5min. Da Solda para a Inspeção, há um tempo de
transferência de 3min, e o processo de Inspeção ocorre segundo uma distribuição
Uniforme, variando de 2 a 3min. Da Inspeção, as peças boas são enviadas para o
Polimento segundo um tempo de 2min, as peças rejeitadas são enviadas para a Des-
soldagem, levando 1min no trajeto. A Dessoldagem ocorre segundo uma distribuição
Normal de média 7min e desvio padrão de 1min, e o Polimento segundo uma distri-
buição triangular com tempo mínimo de 2min, média de 3min e máximo de 5min.
Da Dessoldagem, as peças em retrabalho seguem para a Solda com tempo médio de
5min. Após o Polimento, as peças seguem para o Estoque. Atualmente, há uma taxa
de rejeição de peças de 15%, de todas as peças rejeitadas, 20% são descartadas como
sucata. Avalie a produção de um dia de 14h de trabalho, determinando a quantidade
de peças prontas para venda, a quantidade de sucatas geradas e os parâmetros de fila.
241
UNICESUMAR
Solução: Para este problema, podemos utilizar um modelo que tenha a forma
apresentada nas Figuras 29 e 30.
Figura 29 - Representação das três primeiras linhas do modelo de simulação do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem as três primeiras linhas da estrutura do modelo do Exemplo 2.
Na primeira linha, há um módulo Create onde está escrito Entrada de Peças, um módulo Station onde se lê
Para Conformação, um módulo Process onde está escrito Conformação Mecânica e um módulo Leave onde está
escrito Conformação para Solda. Na segunda linha, há um módulo Station onde está escrito Para Solda, um
módulo Process onde está escrito Solda e um módulo Leave onde está escrito Solda para Inspeção. Na terceira
linha, há um módulo Station onde está escrito Para Inspeção, um módulo Process onde está escrito Inspeção,
um módulo Decide onde está escrito Peças OK? e um módulo Leave onde está escrito Inspeção para Polimento.
Figura 30 - Representação das três últimas linhas do modelo de simulação do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a continuação do modelo de simulação do Exemplo 2, na primeira

linha da imagem, aparece um módulo Decide onde se lê Reprocesso? Este módulo está conectado a um módulo
Dispose com nome Sucata e a um módulo Leave na segunda linha da imagem onde se lê Inspeção para Des-
soldagem. Ainda na segunda linha, há um módulo Station onde está escrito Para Dessoldagem. Este módulo
está conectado a um módulo Process onde se lê Dessoldagem, que se conecta a um módulo Leave onde está
escrito Dessoldagem para Solda. Na terceira linha, há um módulo Station onde está escrito Para Polimento, e
este está conectado a um módulo Process onde está escrito Polimento; à frente deste módulo, há um módulo
Leave onde se lê Saída Polimento, e este módulo está conectado a um módulo Dispose com nome Estoque.
242
UNIDADE 8
Observe que este modelo apresenta dois módulos Decide conectados entre si, esta
é uma maneira de dizer que, das peças que chegam à Inspeção, parte é segregada e
separada para a Dessoldagem (primeiro Decide) e destas, parte é separada como
sucata (segundo Decide), sendo o restante enviado, novamente, para a Solda. O
preenchimento do primeiro módulo Decide é apresentado na Figura 31.
primeiro módulo Decide para o

gem, aparece a janela do mó-
dulo Decide, no campo Name
está escrito Peças OK?, no
campo Type, aparece 2-way-by
Chance, e, no campo Percent
True (0-100), aparece selecio-
nado 85%.
No módulo Decide, apresentado na Figura 31, há a segregação das peças boas e das
peças que devem ser reprocessadas, apresentando, neste caso, 85% das peças boas e
15% das peças rejeitadas para reprocessamento. Na Figura 32, é apresentado o segundo
módulo Decide preenchido.
segundo módulo Decide para o

gem, aparece a janela do mó-
dulo Decide, no campo Name
está escrito Reprocesso?, no
campo Type aparece 2-way-by
Chance, e, no campo Percent
True (0-100), aparece selecio-
nado 80%.
O segundo módulo Decide, apresentado na Figura 32, é utilizado para representar

os 20% de peças que serão consideradas sucata entre aquelas separadas na Inspeção.
Observe que as peças que saem do segundo módulo Decide são enviadas para a
estação de Dessoldagem e, após esta etapa, as peças retornam para a Solda, por este
motivo, após o módulo Process da Dessoldagem, há um módulo Leave que conecta
a estação de trabalho da Dessoldagem à Solda novamente. O preenchimento deste
módulo Leave é apresentado na Figura 33.
243
UNICESUMAR

Leave para conexão da estação
Dessoldagem com a estação Solda
Fonte: o autor.

aparece o módulo Leave preenchi-
do, no campo Name está escrito
Dessoldagem para Solda, o campo
Allocation está preenchido por Value
Added, o campo Connect Type está
preenchido com Route, o campo
Move Time com 5, e o campo Units,
com Minutes. O campo Station Type
está preenchido com Station, e o
campo Station.Name está preenchido
com Solda.Station.
Para execução do modelo do Exemplo 2, foram adotados os parâmetros de replicação

apresentados na Figura 34.

Parâmetros de Replicação do Exemplo 2
Fonte: o autor.

aparece a janela dos Parâmetros
de Replicação. No campo Número
de Replicações, aparece o núme-
ro 5, em Período de Aquecimento
aparece 0.0, em Unidade de Tempo
aparece Hours, em Duração de Repli-
cação, está preenchido o número 14,
à frente deste campo, em Unidade
de Tempo, aparece escrito Hours, no
campo Horas por Dia, está escrito o
número 24, e, em Unidade de Tempo
Base, está selecionado Minutes.
Ao executar a simulação do modelo do Exemplo 2, encontramos que saem de todo

o sistema 222 peças, em média, como visto na primeira página do relatório, em Key
Performance Indicators, apresentado na Figura 35.
244
UNIDADE 8
Figura 35 - Primeira página do relatório de simulação / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma parte da primeira página do relatório da simulação, no campo
System em Number Out, aparece o número 222, abaixo de Average.
No relatório Process, aparecem todas as saídas de cada etapa do processo, como pode
ser observado na Figura 36.
Figura 36 - Parte do relatório Process para as quantidades que saem de cada etapa do processo (cada
estação de trabalho) / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Process do Arena. No campo Number Out, em
Average, aparece o número 228,6 para Conformação Mecânica, 30,2 para Dessoldagem, 254,20 para a Inspeção,
214,8 para Polimento e 256 para a Solda.
A última etapa do processo é o Polimento e, observando a Figura 36, há uma média

de 215 peças que saem desta etapa, logo, são peças prontas para o Estoque. Como o
relatório apontou 222 unidades que deixam o sistema, a diferença das sete unidades
que não saíram no Polimento são as que foram para Sucata. Vale notar aqui, também,
que a quantidade de peças que sai da Conformação Mecânica é em torno de 229 uni-
dades, e as que saem da Solda, 256. Observe como saem mais peças da Solda do que
da Conformação, e isso se deve ao retorno das peças para retrabalho. Logo, das 256
peças, algumas passaram pela Solda mais de uma vez. Na Figura 37, é apresentado o
relatório de Filas do sistema.
245
UNICESUMAR
Figura 37 - Relatório de filas do modelo simulado do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Queue de filas, no campo Waiting Time, em Average, aparece 0,09min para
Conformação Mecânica, 2,88min para Solda, 0,017min para a Inspeção, 0,74min para Dessoldagem e 1,4235min para Polimento. No
campo Number Waiting, em Average, aparecem os valores 0,026unid para a Conformação Mecânica, 0,9013unid para Solda, 0,005unid
para a Inspeção, 0,028unid para Dessoldagem e 0,3690unid para o Polimento.
Observe, na Figura 37, que a Solda é o processo que tem a maior fila, com um tempo
médio de 2,88min, seguida do Polimento com um tempo médio de 1,42min. Os
demais processos apresentam tempo menor do que 1min. No entanto, pelo número
médio na fila, é possível observar que a fila da Solda tem uma quantidade média
inferior a 1 unidade (0,90), seguida do Polimento com 0,37 unidades de peças. Por
fim, a taxa de ocupação de cada recurso é apresentada na Figura 38.
Figura 38 - Parte do relatório Resource para análise da taxa de ocupação de cada recurso do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece parte do relatório Resource para avaliar a taxa de ocupação dos recursos do modelo de
simulação. No campo Number Busy em Averagem aparecem os valores 0,8147 para a Máquina de Conformação, 0,9154 para a Máquina
de Solda, 0,7532 para o Inspetor, 0,2475 para o Operador de Dessoldagem e 0,8486 para a Máquina de Polir.
246
UNIDADE 8
A Máquina de Solda, mesmo sendo mais exigida pelo retorno de peças em reprocesso
para uma nova soldagem, apresenta uma taxa de ocupação de 91,54%, em seguida, a
Máquina de Polir apresenta 84,86% de taxa de ocupação, a Máquina de Conformação
81,47%, o Inspetor 75,32% e o Operador de Dessoldagem de 24,75%. Nota-se, então,
que o sistema apresenta alguma folga para ampliação de capacidade.
A maioria dos processos produtivos apresentam não conformidades em maior ou menor grau.
Estudar o impacto destas não conformidades ajuda a entender melhor a dinâmica do sistema
produtivo e permite avaliar as melhorias mais adequadas a serem realizadas. A simulação au-
xilia este estudo fornecendo informações para as condições atuais e desejadas de processo.
REALIDADE
AUMENTADA
Veja como a Simulação pode

auxiliar em um processo de
tomada de decisão de melhoria
do sistema produtivo no
Exemplo 3.
247
UNICESUMAR
03. EXEMPLO Você como Gestor responsável pelo processo apresentado no Exemplo 2 estuda uma
melhoria que pode ser feita na máquina de Solda para reduzir reprocessamento e a
formação de sucata. Você sabe que o custo atual de fabricação de cada peça está em
R$5,50, e, se ela for reprocessada, são acrescidos R$4,20 ao seu custo unitário. O preço
de venda de cada peça é de R$11,25, e há possibilidade de investir em uma adaptação
da máquina de solda que custe R$15.000,00. Desta forma calcule:
a) A quantidade de peças vendidas e sucateadas em um mês de produção, nas
condições atuais, apresentadas no Exemplo 2, admitindo 22 dias de trabalho
de 14h cada. Estime os custos de fabricação e a margem de contribuição da
empresa. Execute a simulação com 5 replicações.
b) Se a melhoria resultar uma taxa de reprocessamento de 10% e, destas, apenas
5% se tornarem sucata, calcule a quantidade de peças vendidas e sucateadas
em um mês de produção, estimando os custos de fabricação, a margem de
contribuição e, admitindo que este resultado se repita nos meses seguintes,
avalie em quanto tempo o investimento na melhoria do processo trará retorno
e o aumento do lucro esperado em um ano.
Solução: A estruturação do modelo é a mesma apresentada para o Exemplo 2 das

Figuras 29 e 30, na letra a) a modificação será nos Parâmetros de Projeto, alterando
os tempos de execução da simulação, como apresentado na Figura 39.

Hours, em Duração de Replica-
crito Days, no campo Horas por
Dia, está escrito o número 14,
e, em Unidade de Tempo Base,
248
UNIDADE 8
Depois de feita esta modificação, o modelo é simulado e obtemos como resultado

uma saída de 5.033 peças do processo, lembrando que este valor representa a soma
de peças boas enviadas para o Estoque e peças consideradas Sucata. Do relatório Pro-
cess, em Number Out, podemos verificar uma saída de 5.039 peças da Conformação
Mecânica, 5.739 peças da Solda e 4865 peças do Polimento. Como as peças que saem
do Polimento são as enviadas para o Estoque, consideramos como peças vendidas a
quantidade de 4865 unidades. A diferença entre o total de peças que saem do sistema
como um todo (5.033) e a quantidade de peças que saem do Polimento representa as
sucatas, ou seja, 168 peças sucateadas. A diferença entre as peças que saem da Solda
(5.739) e da Conformação Mecânica (5.039) indicam as peças reprocessadas, num
total de 700. Desta maneira, os cálculos financeiros seriam:
Custo de produção Custo sem reprocesso Custo com reprocesso

Custo de produção 5.033 R$5, 50 700 R$4, 20
Custo de produção R$30.621, 50
Margem de contribuição Re ceita Custo 4.865 R$11, 25 R$30.621, 50

Margem de contribuição R$54.731, 25 R$30.621, 50 R$24.109, 75
Nota-se que, nas condições atuais, a empresa tem um custo de produção de R$30.621,50
e uma margem de contribuição mensal de R$24.109,75.
b) Alterando as configurações dos módulos Decide para o percentual de peças
boas, de 85% para 90%, e do percentual de peças que podem seguir para
reprocessamento, de 80% para 95%, podemos simular, novamente, o modelo.
Para esta nova simulação, encontra-se o relatório Process, em Number Out,
uma saída média de 5.034 unidades, da Conformação Mecânica, saem 5.040 peças,
da Solda, 5.562 peças e, do Polimento, 5.007 peças. Desta maneira, já verificamos
que a quantidade de peças que segue para o Estoque aumentou para 5.007unida-
des. A quantidade de sucatas na nova condição será dada pela diferença entre o
total de peças que saem do sistema (5.033), e a quantidade que sai do Polimento
(5.007) num total de 26 unidades. A quantidade de peças reprocessadas será de
5.562 unidades (da Solda) menos 5.040 unidades (da Conformação), sendo, então,
de 522 peças. Os novos valores financeiros serão de:
Custo de produção Custo sem reprocesso Custo com reprocesso
Custo de produção 5.034 R$5, 50 522 R$4, 20
Custo de produção R$29.874, 40
Margem de contribuição Re ceita Custo 5.007 R$11, 25 R$29.874, 40

Margem de contribuição R$56.328, 75 R$29.874, 40 R$26.454, 35
249
UNICESUMAR
A diferença entre as margens de contribuição serão de:

Margem de contribuição com melhoria- Margem de contribuiçãosem melh
horia
R$26.454, 35 R$24.109, 75 R$2.344, 60
Com a melhoria, haverá um ganho na margem de contribuição de R$2.344,60, o que
nos leva ao seguinte resultado anual e retorno de investimento:
R$15.000, 00
Re torno 6, 398meses 7 meses
R$2.344, 60 / mês
Em 1 ano 12 R$2.344, 60 R$28.135, 20
Projeta-se, então, sete meses para retornar o valor investido na melhoria de

R$15.000,00, utilizando a diferença entre as margens de contribuição. E se espera
um acréscimo anual da margem de contribuição de R$28.135,20.
Agora, ouça este Podcast que trata de um problema de pesagem

de caminhões, em indústria de Biodiesel, analisado pela simulação,
utilizando o software Arena.
No início da unidade, foi solicitado que você analisasse um problema simples que considerava 200
unidades por hora produzidas com uma taxa de defeitos de 20% e, depois de uma melhoria executada,
a taxa de defeitos foi reduzida para 15%. Antes da melhoria, entendemos que teremos 40 unidades/h
com defeito, que podem, ou não, serem reprocessadas, e, depois da melhoria, 30 unidades/h defeituosas.
Há, portanto, uma diferença de 10 unidades/h, o que, em oito horas de trabalho, representariam 80
unidades a mais produzidas com qualidade, após a melhoria. Logo, isso se torna significativo. Como
vimos nos exemplos desta unidade, alterações na qualidade do processo refletem, positivamente (caso
a qualidade aumente), no resultado financeiro da empresa, ao final de um período analisado.
Assim, finalizamos a oitava unidade do livro de Simulação de Processos Produtivos. Na Unidade
9, você aprenderá a inserir esteiras e transportadores, no modelo de simulação, sendo esta uma das
maneiras mais comuns de transportar materiais entre etapas de processo.
250
Agora, convido você a preencher este Mapa Mental que traz os pontos principais de uso e preen-
chimento do Módulo Decide para simulação de processos produtivos.
2-
1-Avaliar em que ponto do Processos de tomada 3-Conectar o módulo Decide aos

processo haverá a decisão de Decisão processos pertinentes
MÓDULO DECIDE
Figura 40 - Mapa Mental a ser preenchido para anotação dos pontos principais da Unidade 8 / Fonte: o autor.
Descrição da Imagem: na imagem, há um Mapa Mental com um retângulo, no centro, escrito Módulo Decide. Deste retângulo surge
uma ramificação para cima, conectada a um retângulo onde se lê Processo de Tomada de Decisão, e este retângulo está conectado
a três outros retângulos onde se lê, da esquerda para a direita, 1 - Avaliar em que ponto do processo haverá a decisão, retângulo
em branco para preenchimento e 3 - Conectar o módulo Decide aos processos pertinentes.
251
1. Uma fábrica de roupas trabalha com camisas masculinas de alfaiataria, em uma de
suas linhas de produção, contando com as etapas: de Corte, de Costura, de Inspeção
e de Embalagem. Projeta-se uma demanda de 80 pedidos de camisas em um dia de
trabalho. O processo de corte de tecido para uma camisa é executado com uma distri-
buição normal de média 6min e desvio padrão de 1min. O processo de costura segue
uma distribuição uniforme, variando de 10 a 15min. A Inspeção é minuciosa, ocorrendo
segundo uma distribuição triangular com mínimo de 5min, moda de 7min, e máximo
de 9min. A embalagem de cada peça é executada segundo uma distribuição normal de
média 7min e desvio padrão de 1min. O tempo médio de envio de cada peça cortada
para a Costura é de 2min, da Costura até a Inspeção, de 1min, e da Inspeção para a
Embalagem, de 3min. Atualmente, há uma média de peças inadequadas de 10% das
unidades inspecionadas, estas seguem para uma estação de reparo que executa a
ação segundo uma distribuição uniforme, variando de 25 a 30min, o tempo de deslo-
camento da Inspeção para o Reparo é de 2min. Após o Reparo, as peças seguem para
a embalagem onde estarão prontas para venda, num tempo de 2min por unidade.
Elabore um modelo de simulação para este processo e apresente os parâmetros de
fila e a quantidade produzida e reparada de camisas, em um dia de 8h de produção,
com 5 replicações.
Sugestão: Preencha o módulo Create, como apresentado na Figura 41, com o objetivo
de simular a entrada de 80 pedidos de camisas por dia.
Figura 41 - Preenchimento do módulo Create para os pedidos de camisas / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Create preenchido, no campo Name, está escrito Chegada de Pedi-
dos, o campo Entity Type está preenchido por Camisas, o campo Type está preenchido com Constant, o campo Value está
preenchido por 1, o campo Units preenchido por Minutes. Em Entities per Arrival, aparece o número 80, em Max Arrivals,
está escrito 1, e, em First Creation aparece 0.0.
252
2. O gestor da produção da fábrica do Exemplo 1 dobrou a capacidade da Costura para
aumentar a produção e, nesta nova condição, deseja calcular como ficará a produção.
Simule a nova condição para 8h de trabalho e 5 replicações.
Sugestão: Para dobrar a capacidade da Costura, sele-

cione, na Barra de Projeto, à esquerda, o módulo Resource,
Figura 42 - Barra de Projeto para seleção do módulo Resource

Fonte: o autor.
Descrição da Imagem: na imagem, aparece a Barra de Projeto do Arena e

está selecionado o conjunto Basic Process e o módulo Resource.
Depois de selecionado o módulo Resource, altere, em Capacity, na linha da Máquinas

de Costura, o valor de 1 para 2, como apresentado na Figura 43.
Figura 43 - Módulo Resources com informações dos recursos da simulação para ampliação da capacidade da Costura
Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Resource selecionado; na coluna Name, aparece, da 1ª para a 4ª
linha, Mesa de Corte, Máquinas de Costura, Inspetor e Reparador; na coluna Capacity, da 1ª para a 4ª linha, aparecem os
números 1, 2, 1 e 1.
253
3. Em mais uma modificação do processo, o gestor da produção conseguiu ampliar a
jornada de trabalho desta produção para 10h. Desta forma, calcule o custo diário de
produção e sua margem de contribuição. Para tanto, admita que cada camisa pron-
ta tenha um custo unitário de fabricação de R$35,00 e que o retrabalho, na camisa,
acrescente ao custo unitário R$45,00, além do valor de venda de cada camisa para
seus clientes a R$90,00.
4. Uma nova máquina de costura deve ser incorporada à fábrica de camisas do Exemplo
1. Esta máquina elevará o custo unitário de fabricação para R$38,00/unidade, man-
tendo-se o aumento do custo unitário, devido ao reprocesso, em R$45,00. Esta nova
máquina elevará a qualidade das camisas fabricadas, reduzindo o percentual de peças
defeituosas para 6%. Avalie se a substituição será vantajosa, comparada aos cálculos
financeiros e com as modificações incorporadas no Exemplo 3.
254
255
256
9
Transportadores
e Correias
Transportadoras
Olá, caro(a) estudante! Nesta nona unidade do livro Simulação de

Processos Produtivos você verá como inserir transportadores e cor-
reias na análise da simulação. Já vimos que a transferência de ma-
teriais entre etapas de processo pode ser considerada na análise
da simulação, e o tempo consumido nestas etapas pode influenciar
no processo produtivo. Agora, imagine que você tenha apenas dois
transportadores para fazer a transferência de materiais entre cada
processo, e que ambos possuem capacidade limitada, provavel-
mente, haverá formação de fila no processo de transferência entre
etapas do sistema produtivo. Assim, você verá como realizar tal
análise utilizando a simulação.
UNICESUMAR
A movimentação de materiais dentro de uma indústria é, comu-

mente, estudada dentro da logística, considerada, muitas vezes, uma
logística interna e se verifica como a movimentação deve ocorrer,
quais equipamentos devem ser utilizados, como devem ser cons-
truídos e quantos devem ser utilizados. A escolha e a seleção do
transportador deve levar em conta o tipo de material movimentado
e o trajeto. Se você precisar movimentar um material na horizontal,
a uma distância de 30m, porém com máquinas e equipamentos no
meio do caminho, você pode precisar de uma correia, por exemplo,
que tenha 50m, logo, a distância percorrida pelos materiais em
processamento é maior do que a distância linear existente entre os
pontos de partida e de chegada. Agora, será que a velocidade deste
transportador influencia em sua produtividade? Poderia ser este
um gargalo da empresa em vez de ser uma máquina de processo? É
o que podemos estudar com a Simulação de Processos Produtivos.
Assim como você considera cada etapa do processo um ponto
de atenção com relação aos tempos exigidos para sua execução,
o transporte e a movimentação de materiais também podem ser
vistos sob o mesmo ponto de vista. Desta maneira, você poderá
criar um modelo que contemple os tempos gastos nestas etapas
de transferência, com suas limitações de capacidade e distância
percorrida, podendo, inclusive, comparar o sistema produtivo com
diferentes equipamentos. Nesta unidade, você aprenderá a utilizar
alguns módulos que fornecem estas informações, como o Convey,
Request e Transport, por meio deles, o software entenderá a dinâ-
mica de trabalho com transportadores e correias.
Suponha que você processe 20 peças por minuto em uma má-
quina e que estas peças devem ser encaminhadas para a máquina
seguinte utilizando uma paleteira manual com capacidade para
transportar 5 peças por vez e que o operador que executa esta ação
o faz em um tempo médio de 20 segundos, ou seja, a cada 20 segun-
dos, o operador consegue executar uma viagem completa, levando
5 peças e retornando com a paleteira vazia para executar mais uma
viagem. Você acha que este processo pode influenciar o processo
produtivo? Calcule para um intervalo de tempo de 5 minutos como
ficará o transporte de peças. Haverá acúmulo?
Note que estamos tratando o sistema de transporte como se
fosse um Process. Nos exemplos anteriores, apenas os processos
apresentavam fila, não havendo fila no processo de transferência
258
UNIDADE 9
entre cada processo. Mas, se você observar o problema proposto anteriormente, poderá ter formação
de fila. Analise-o, segundo este ponto de vista, e observe, de acordo com a quantidade de peças que
são liberadas por minuto e a quantidade de peças que o operador consegue transportar por minuto, a
condição de transporte e a fila da movimentação de peças. Escreva no Diário de Bordo suas considera-
ções sobre os cálculos realizados. Discuta, de maneira breve, como você observa a formação de fila do
sistema de movimentação e avalie se poderá haver colapso do sistema em um longo período de tempo.
DIÁRIO DE BORDO
Para entender melhor como analisar a dinâmica de movimentação de materiais com transportadores
e correias, recorreremos a um exemplo prático. No entanto iniciaremos trabalhando com transpor-
tadores e deixaremos correias mais para o final da unidade. Cabe, aqui, ressaltar que faremos uma
distinção entre transportadores e correias, considerando que os transportadores são equipamentos
que executam a movimentação de cargas de modo “descontínuo”, precisando de um carregamento e
um descarregamento, movimentando-se junto com a carga transportada, como se vê em paleteiras,
empilhadeiras e carrinhos de mão. Quanto às correias, entenderemos como aqueles equipamentos de
movimentação que são contínuos e estáticos, apenas com partes móveis, recebendo material, constan-
temente, e descarregando-o, depois de percorrer um caminho.
259
UNICESUMAR
Segundo Prado (2014), o software Arena apresenta dois recursos para representar estes equipa-
mentos de movimentação, TRANSPORTERS para os transportadores em geral, e CONVEYORS para
as correias. Para definir a lógica de operação e utilização do transportador em simulação, o processo
de movimentação é dividido em algumas etapas. A princípio considera-se que as entidades a serem
movimentadas solicitam um transportador, geralmente utilizando o módulo REQUEST. Havendo
um transportador livre, este se desloca até as entidades, estas são transportadas até o local desejado e,
no descarregamento, as entidades liberam os transportadores para que estes possam atender a uma
nova solicitação.
Para este movimento, utilizaremos o painel ADVANCED TRANSFER, onde aparecerão os módulos
de transferência. Outros módulos utilizados neste processo são o DELAY e o TRANSPORT. O módulo
DELAY é utilizado para representar o carregamento do transportador, que resultaria num período de
espera do modelo. O carregamento será considerado uma atividade do sistema que, segundo Filho
(2008), corresponde a uma atividade que pode ser programada, com tempo pré-definido de início e
fim. Vejamos, agora, o Exemplo 1 para entender melhor esta dinâmica.
01. EXEMPLO Considere um sistema simples em que peças são recebidas na Máquina A, processadas
e, em seguida, seguem para uma inspeção. Se forem aprovadas, são enviadas para um
Estoque Intermediário, caso sejam reprovadas, as peças seguem para uma estação
de Reparo e, em seguida, para o Estoque Intermediário. A dinâmica da chegada de
peças na Máquina A segue uma distribuição Exponencial de média cinco minutos.
Partindo de um Almoxarifado, a Máquina A apresenta uma dinâmica de trabalho,
segundo uma distribuição Triangular com mínimo de três minutos, moda de quatro
minutos, e máximo de cinco minutos. O reparo ocorre, segundo uma distribuição
Triangular, com mínimo de dois minutos, moda de três minutos e máximo de quatro
minutos. A taxa de aprovação das peças, atualmente, é de 70%, e dois carrinhos fazem
a movimentação das peças entre cada estação, sendo o mais próximo vazio aquele que
atende à demanda de transporte de peças. O tempo de carregamento do carrinho é
de oito segundos, e, de descarregamento, 12 segundos, sua velocidade é de 0,8m/s, e
as distâncias entre cada estação são apresentadas na Tabela 1.
De Para Distância (m)

Almoxarifado Máquina A 150
Estoque 300
Reparo 200
Máquina A Estoque 180
Reparo 80
Reparo Estoque 200
Tabela 1- Distâncias entre as estações do problema do Exemplo 1 / Fonte: o autor.
260
UNIDADE 9
Com base nestas informações:

a) Simule o sistema para 8h de trabalho, considerando um dia de 24h e com
uma replicação. Observe o comportamento do sistema simulado e anote
a quantidade de peças que entram no processo, a quantidade que sai para
estoque, o comportamento das filas e as taxas de ocupação dos recursos e
transportadores.
b) Se, em vez de utilizar dois carrinhos, fosse acrescentado mais um, alterando
para três carrinhos transportadores, haveria grande impacto no resultado da
simulação?
Solução: O modelo será elaborado utilizando estações de trabalho. Teremos quatro

estações, uma para a entrada de peças, outra para o processo, na Máquina A, outra
para o retrabalho e a última para o estoque. Cada estação se iniciará com um módu-
lo Enter, e apenas a primeira estação terá início com um módulo Create seguida de
um módulo Enter. Nas estações de entrada de peças, processo e retrabalho, haverá
o transportador, representado pelo conjunto de módulos Request-Delay-Transport.
A conexão entre cada estação de trabalho será realizada com o módulo Transport
da estação anterior com o módulo Enter da estação seguinte. Nas Figuras 1 e 2, é
apresentada a estruturação do modelo.
Figura 1 - Representação das estações de Entrada e Produção do modelo do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem as estações de trabalho de Entrada e Produção. A estação de Entrada se inicia com um
modulo Create renomeado como Chegada, em seguida há um módulo Enter onde se lê Entrada no processo, conectado a um módulo
Request com nome Reques 1, e este se conecta a um módulo Delay com nome Delay 1, que se conecta com um módulo Transport
com nome Transport 1. A estação de Produção inicia-se com um módulo Enter com nome Para Máquina A, conectado a um módulo
Process com nome Processo Máquina A, em seguida, aparece um módulo Decide com o título Peças Boas?, do módulo Decide saem
duas conexões, uma para frente para as peças boas, e outra para baixo, para peças ruins. A conexão para frente se liga a um módulo
Request com nome Request 2, este se conecta a um módulo Delay com nome Delay 2, e este se conecta ao módulo Transport com nome
Transport 2. A conexão que sai de baixo do módulo Decide se conecta a um módulo Request com nome Request 3, este se conecta a
um módulo Delay chamado Delay 3, e este se conecta a um módulo Transport o com nome Transport 3.
261
UNICESUMAR
Figura 2 – Representação dos módulos de Reprocesso e Estoque do modelo do Exemplo 1 / Fonte: o autor.
modulo Create renomeado como Chegada, em seguida há um módulo Enter onde se lê Entrada no processo, conectado a um módulo
Request com nome Reques 1, e este se conecta a um módulo Delay com nome Delay 1, que se conecta com um módulo Transport
com nome Transport 1. A estação de Produção inicia-se com um módulo Enter com nome Para Máquina A, conectado a um módulo
Process com nome Processo Máquina A, em seguida, aparece um módulo Decide com o título Peças Boas?, do módulo Decide saem
duas conexões, uma para frente para as peças boas, e outra para baixo, para peças ruins. A conexão para frente se liga a um módulo
Request com nome Request 2, este se conecta a um módulo Delay com nome Delay 2, e este se conecta ao módulo Transport com nome
Transport 2. A conexão que sai de baixo do módulo Decide se conecta a um módulo Request com nome Request 3, este se conecta a
um módulo Delay chamado Delay 3, e este se conecta a um módulo Transport o com nome Transport 3.
Todas as informações do enunciado foram inseridas em cada módulo, e você verá

nas próximas imagens o preenchimento destas informações. Inicialmente, vejamos
o preenchimento da estação de entrada. Na Figura 3, você pode observar o preen-
chimento do módulo Create.
Figura 3 - Módulo Create para a estação
de Entrada do Exemplo 1 / Fonte: o autor.

aparece o módulo Create preenchi-
do, no campo Name, está escrito
Chegada, o campo Entity Type está
preenchido por Peças, o campo Type
está preenchido com Expression, no
campo Expression, está preenchido
EXP (5), o campo Units preenchido
por minutes. Em Entities per Arrival,
aparece o número 1, em Max Arri-
vals, está escrito Infinite, e, em First
Creation, aparece 0.0.
Observe que, no nome Tipo da Entidade, já está substituído o termo Peças, lembre-se
de que o nome da entidade pode ser modificado no módulo Entity presente em Basic
Process. Na Figura 4, você verá o preenchimento do módulo Enter da estação Entrada.
262
UNIDADE 9
Figura 4 - Módulo Enter para

estação Entrada do Exemplo 1
Fonte: o autor.
Enter; no campo Name está
escrito Entrada no Processo,
no campo Station Type, está
selecionado Station, no campo
Station Name, aparece Entrada
no Processo.Station. Em Logic,
temos o campo Delay com
notação 0, em Allocation, está
selecionado Value Added, em
Units, aparece selecionado Se-
conds, e, em Transfer In, está
selecionado None.
Antes de preencher o módulo Request, acesse, na Barra de Projeto, o Advanced Trans-

fer, selecione Transporter e, então, clique com o botão direito do mouse e selecione
“Editar via caixa de diálogo”, como você pode ver na Figura 5.
Figura 5 - Seleção da edição do Transporter via Caixa de Diálogo / Fonte: o autor.
Descrição da Imagem: na imagem, aparece, na parte inferior do modelo, a planilha do Tranporter com uma caixa de seleção e com o
cursor do mouse sobre Editar via Caixa de Diálogo.
Na Figura 6, você pode observar como foi realizado o preenchimento da caixa de

diálogo de Transporter.
Figura 6 - Preenchimento da par-
te superior da caixa de diálogo do
Transporter / Fonte: o autor.

gem, aparece o módulo Enter, no
campo Name, está escrito Para
Máquina A, no campo Station
no campo Station Name, apa-
rece MaqA.Station. Em Logic, te-
mos o campo Delay com notação
12, em Allocation, está seleciona-
do Wait, em Units, aparece sele-
cionado Seconds, e, em Transfer
In, está selecionado Free Trans-
porter, em Transporter Name
está selecionado Carrinho.
263
UNICESUMAR
Veja, na Figura 6, que o transportador foi renomeado por Carrinho. Como são dois
carinhos em Number of Units, preencha 2, coloque o tipo de transportador como
Free Path, preencha a velocidade com 0,8 e, em unidades, como “por segundo”.
Na Figura 7, aparece o preenchimento do módulo Request, responsável por “cha-
mar” o transportador para carregar as peças para dentro do sistema.
Figura 7 - Módulo Request para

a estação Entrada do Exemplo 1
Fonte: o autor.

aparece o módulo Request; no cam-
po Name, está escrito Request 1, no
campo Transporter Name, aparece
o nome Carrinho, em Selection Rule,
está selecionado Smallest Distance,
em Priorit, está selecionado High(1),
em Entity Location, está selecionado
Entity.Station, em Velocity, está es-
crito 0,8, em Units, está selecionado
Per Second, em Queue Type, está
selecionado Queue, e, em Queue
Name, está selecionado Request
1.Queue.
Na Figura 8, você pode ver o preenchimento do módulo Delay, responsável por

representar o tempo de carregamento do carrinho.
Figura 8 - Módulo Delay para a estação de Entrada do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Delay; no campo Name está escrito Delay 1, em Alloca-
tion, está selecionado Other, em Delay Time, aparece 8, e, em Units, está selecionado Seconds.
264
UNIDADE 9
Para encerrar a estação de Entrada, na Figura 9, você observa o preenchimento do

módulo Transport, responsável por conectar a estação Entrada com a estação de
Proceso da Máquina A.
Figura 9 - Módulo Transport preen-

chido para a estação de Entrada do

gem, aparece o módulo Trans-
port, em Name, está escrito
Transport 1, em Transporter
Name, está selecionado Car-
rinho, em Entity Destination
em Station Name, está escrito
MaqA.Station, em Velocity, está
preenchido 0,8, em Units, apa-
rece Per Second, e, em Guided
Tran Destination Type, selecio-
ne Entity Destination.
Veja que, neste módulo, você preenche a velocidade de transporte de 0,8m/s e faz a
conexão com a estação seguinte, semelhante ao módulo Leave, utilizado na Unidade
8. Da Figura 10 até a Figura 18, você verá o preenchimento dos módulos pertencentes
à estação de Produção para a Máquina A.
Figura 10 - Módulo Enter para a es-

tação de Produção do Exemplo 1
Fonte: o autor.

gem, aparece o módulo Trans-
port, em Name, está escrito
Transport 1, em Transporter
Name, está selecionado Car-
rinho, em Entity Destination
em Station Name, está escrito
MaqA.Station, em Velocity, está
preenchido 0,8, em Units, apa-
rece Per Second, e, em Guided
Tran Destination Type, selecio-
ne Entity Destination.
265
UNICESUMAR
Observe que, na Figura 10, o nome da estação é o mesmo que você colocou no mó-
dulo Transport da estação anterior. Na Figura 11, você pode ver o preenchimento do
módulo Process para a Máquina A.
Figura 11 - Módulo Process para a

estação de Produção do Exemplo 1
Fonte: o autor.
Process preenchido; o campo
Name está preenchido por
Processo Máquina A, o campo
Type, preenchido por Standard,
o campo Action, por Seize De-
lay Release. No campo Priority,
está selecionado Medium. Em
Resources, foi adicionado um
recurso com o nome Máquina
A. Em Delay Type, aparece sele-
cionado Expression, em Units,
aparece Minutes, em Alloca-
tion, aparece Value Added, e,
no campo Expression, aparece
escrito TRIA(3,4,5).
Logo, na sequência, temos um módulo Decide para segregar as peças boas das que
precisam de reprocesso, e seu preenchimento é apresentado na Figura 12.
Figura 12 - Módulo Decide para a

estação Produção do Exemplo 1
Fonte: o autor.

aparece o módulo Decide preenchi-
do, o campo Name está preenchido
por Peças Boas?, o campo Type,
preenchido por 2-way by Chance, e
o campo Percent True está em 70%.
As peças boas seguem o trajeto até o Estoque, que é representado pela saída à frente
do módulo Decide. Este ponto é representado pelo conjunto de módulos Request,
Delay, Transport, apresentados nas Figuras 13, 14 e 15.
266
UNIDADE 9
Figura 13 - Módulo Request para

a estação Produção do Exemplo 1
Fonte: o autor.

aparece o módulo Request, no cam-
Entity.Station, em Velocity, está escri-
to 0,8, em Units, está selecionado Per
Second, em Queue Type, está sele-
cionado Queue, e, em Queue Name,
está selecionado Request 2.Queue.
A velocidade do carrinho é a mesma para todas as rotas, por este motivo, também
preenchemos este módulo com 0,8m/s. Na Figura 14, é apresentado o preenchimento
do módulo Delay.
Figura 14 - Módulo Delay para a es-
tação de Produção do Exemplo 1
Fonte: o autor.

aparece o módulo Delay; no campo
Name, está escrito Delay 2, em Allo-
cation, está selecionado Other, em
Delay Time, aparece 8, e, em Units,
está selecionado Seconds.
O tempo de carregamento do carrinho permanece em 8s. Como se pode ver na Figura

14 e na Figura 15, você encontra o preenchimento do módulo Transport.
267
UNICESUMAR
Figura 15 - Módulo Transport preenchido

para a estação de Produção do Exemplo 1
Fonte: o autor.

aparece o módulo Transport; em
Name, está escrito Transport 2, em
Transporter Name, está seleciona-
do Carrinho, em Entity Destination
Type, está selecionado Station, em
Station Name, está escrito Estoque.
Station, em Velocity, está preenchido
0,8, em Units, aparece Per Second,
e, em Guided Tran Destination Type,
selecione Entity Destination.
Observando a Figura 15, você pode verificar que a conexão será realizada com a
estação Estoque, o que ocorre para as peças boas. Abaixo do módulo Decide, há
outro conjunto de módulos Request, Delay, Transport para representar as peças não
conformes que seguem para o reparo. Nas Figuras 16, 17 e 18, você pode observar o
preenchimento destes módulos.
Figura 16 - Módulo Request para a es-

tação Produção-reparo do Exemplo 1
Fonte: o autor.

Entity.Station, em Velocity, está es-
crito 0,8, em Units, está selecionado
Per Second, em Queue Type, está
selecionado Queue, e, em Queue
Name, está selecionado Request
3.Queue.
268
UNIDADE 9
Mantivemos a velocidade de deslocamento do carrinho transportador para esta rota

em 0,8m/s, e, na Figura 17, o módulo Delay representará seu carregamento.
Figura 17 - Módulo Delay para a estação de

Produção-reparo do Exemplo 1
Fonte: o autor.

aparece o módulo Delay, no campo
Name está escrito Delay 3, em Allo-
cation está selecionado Other, em
Delay Time aparece 8 e em Units
E finalizamos esta estação com o módulo Transport para executar a movimentação

das peças não conformes para o Reparo, como você pode observar na Figura 18.
Figura 18 - Módulo Transport preenchido

para a estação de Produção-reparo do

Transporter Name, está seleciona-
do Carrinho, em Entity Destination
Type, está selecionado Station, em
Station Name, está escrito Reparo.
Station, em Velocity, está preenchido
0,8, em Units, aparece Per Second,
e, em Guided Tran Destination Type,
selecione Entity Destination.
Observe, então, que o módulo Transport conecta as peças que devem ser reparadas
com a estação de Reprocesso, que será apresentada nas próximas imagens. A estação
de Reprocesso também se inicia com um módulo Enter, preenchido como apresen-
tado na Figura 19.
269
UNICESUMAR
Figura 19 - Módulo Enter para a estação de

Reprocesso do Exemplo 1 / Fonte: o autor.

aparece o módulo Enter; no campo
Name, está escrito Estação Reparo,
no campo Station Type, está sele-
cionado Station, no campo Station
Name, aparece Reparo.Station. Em
Logic, temos o campo Delay com
notação 12, em Allocation, está sele-
cionado Wait, em Units, aparece se-
lecionado Seconds, e, em Transfer In,
está selecionado Free Transporter,
em Transporter Name, está selecio-
nado Carrinho.
Observe que o nome da estação atribuído para o módulo Enter da Figura 19 é o mes-
mo atribuído no campo Station Name do módulo Transport apresentado na Figura
18, permitindo a conexão entre as estações. Na Figura 20, você pode ver como fica o
preenchimento do módulo Process do Reparo.
Figura 20 - Módulo Process para a es-

tação de Reprocesso do Exemplo 1
Fonte: o autor.

do; o campo Name, está preenchido
por Reparo, o campo Type, preenchi-
do por Standard, o campo Action, por
Seize Delay Release. No campo Prio-
rity, está selecionado Medium. Em
Resources, foi adicionado um recur-
so com o nome Máquina de Reparo.
Em Delay Type, aparece selecionado
Expression, em Units, aparece Mi-
nutes, em Allocation, aparece Value
Added, e, no campo Expression, apa-
rece escrito TRIA (2,3,4).
Na sequência do módulo Process, há um módulo Request para chamar o carrinho

transportador para retirar as peças reparadas. Seu preenchimento pode ser visto na
Figura 21.
270
UNIDADE 9
Figura 21 - Módulo Request para a estação

Reprocesso do Exemplo 1 / Fonte: o autor.

Entity.Station, em Velocity, está escri-
to 0,8, em Units, está selecionado Per
Second, em Queue Type, está sele-
cionado Queue, e, em Queue Name,
está selecionado Request 3.Queue.
Conectado ao módulo Request, teremos um módulo Delay para representar o tempo

de carregamento do carrinho. Veja, na Figura 22, seu preenchimento.
Figura 22 - Módulo Delay para a es-
tação de Reprocesso do Exemplo 1
Fonte: o autor.

gem, aparece o módulo Delay;
no campo Name, está escrito
Delay 4, em Allocation, está
selecionado Other, em Delay
Time, aparece 8, e, em Units,
Fechando esta estação de Reprocesso, temos um módulo Transport cujo preenchi-

mento você pode ver na Figura 23.
271
UNICESUMAR
Figura 23 - Módulo Transport preenchi-

do para a estação de Reprocesso do

Transporter Name, está selecionado
Carrinho, em Entity Destination Type,
está selecionado Station, em Station
Name, está escrito Estoque.Station,
em Velocity, está preenchido 0,8, em
Units, aparece Per Second, e, em Gui-
ded Tran Destination Type, selecione
Entity Destination.
E, por fim, a estação Estoque tem apenas dois módulos, um módulo Enter e um
módulo Dispose. No módulo Enter, você faz o preenchimento, como apresentado
na Figura 24.
Figura 24 - Módulo Enter para a estação
de Estoque do Exemplo 1
Fonte: o autor.

aparece o módulo Enter, no campo
Name está escrito Entrada Estoque,
no campo Station Type está sele-
cionado Station, no campo Station
Name aparece Estoque.Station. Em
Logic temos o campo Delay com
notação 12, em Allocation está sele-
cionado Wait, em Units aparece se-
lecionado Seconds e em Transfer In,
está selecionado Free Transporter,
em Transporter Name está selecio-
nado Carrinho.
O módulo Dispose pode ser visto na Figura 25, sendo este o responsável por encerrar
o nosso modelo.
272
UNIDADE 9

Dispose para a estação Estoque
Fonte: o autor.

aparece o módulo Dispose preenchi-
do; no campo Name, está escrito Saí-
da, e a opção Record Entity Statistics
está assinalada.
Nosso modelo, no entanto, ainda não está pronto para ser executado. Você irá na
Barra de Projeto, do lado esquerdo da janela do programa, selecionará, em Advanced
Transfer, o módulo de dados Transporter novamente para completar seu preenchi-
mento. Clique, com o botão direito do mouse, sobre a planilha que se abrirá, abaixo
do modelo do programa, e selecione Editar Via Caixa de Diálogo, como você já fez na
Figura 5. Assim que a caixa de diálogo abrir, no campo Initial Position Status, clique
em Adicionar. Na nova janela que abrir, selecione Station e, do lado direito, na lista
suspensa, selecione Entrada no Processo.Station, adicione duas vezes esta mesma
posição inicial (uma para cada carrinho de transporte), clicando em OK. Veja, na
Figura 26, como se apresentam estas opções.
Figura 26 - Preenchimento completo do módulo de dados Transporter do Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do módulo de dados Transporter; no campo Name, está
escrito Carrinho, no campo Number of Units, aparece 2, no campo Type, aparece Free Path, no campo Distance
Set, está escrito Carrinho.Distance, em Velocity, está escrito 0,8, e, no campo Units, aparece Per Second. Nesta
mesma janela, mais abaixo, há o campo Initial Position Status, sendo preenchido duas vezes pelo Station, En-
trada no Processo Station, Active; abaixo, em When Freed, está escrito Remain Where Freed. Ao lado, aparece
a janela Initial Position Status, no campo Initial Position, está selecionado Station, no campo Station Name, está
selecionado Entrada, no Processo.Station, no campo Initial Status, está selecionado Active.
273
UNICESUMAR
Este preenchimento serve para posicionar os transportadores, neste caso, os dois

carrinhos, na entrada do processo, no início da simulação. Para completar o preen-
chimento do modelo ainda na Barra de Projeto, em Advanced Transfer, selecione o
módulo de dados Distance, quando a planilha aparecer na parte de baixo do modelo,
clique com o botão direito e selecione Editar via Caixa de Diálogo, como apresentado
na Figura 27.
Figura 27 - Seleção da edição do Distan-

ce em Editar via Caixa de Diálogo
Fonte: o autor.

aparece a opção de seleção de Editar
via Caixa de Diálogo para o módulo
de dados Distance.
Depois de abrir a caixa de diálogo, você utilizará as informações da Tabela 1 para

preencher o módulo com todos os trajetos informados. Selecione, no campo Name,
a opção Carrinho.Distance e, no campo Station, clique em Adicionar, onde abrirá
uma nova janela. Nesta janela, você selecionará a Station de início do movimento
(Beginning Station), e a Station de término do movimento (Ending Station); em Dis-
tance, você digita a distância em metros entre as duas estações de trabalho. Na Figura
28, você vê um exemplo de preenchimento para a primeira linha da Tabela 1 com
movimento iniciando no Almoxarifado (Entrada no Processo.Station) e chegando
na Máquina A (MaqA.Station), com distância de 150m entre si.
Figura 28 - Preenchimento das distâncias entre as es-

tações no módulo de dados Distance / Fonte: o autor.
Descrição da Imagem: na imagem, aparece uma janela

Stations do módulo Distance. Nesta janela, no campo Be-
ginning Station, está preenchido Entrada no Processo.
Station, no campo Ending Station, está selecionado MaqA.
Station, e, no campo Distance, está preenchido 150.
Acrescente todas as linhas da Tabela 1 com as distâncias entre cada estação de trabalho.
Depois de acrescentadas, você terá o preenchimento do módulo de dados Distance,
274
UNIDADE 9
Figura 29 - Módulo de dados Distance preenchido para o

Descrição da Imagem: na imagem, aparece o módulo

de dados Distance com todos os caminhos apresentados
na Tabela 1 preenchidos. No campo Name, aparece Car-
rinho.Distance, no campo Stations, estão adicionados os
caminhos, Entrada no Processo.Station, MaqA.Station /
Entrada no Processo.Station, Estoque.Station / Entrada
no Processo.Station, Reparo.Station / MaqA.Station, Es-
toque.Station / MaqA.Station, Reparo.Station e Reparo.
Station, Estoque.Station.
Para finalizar o preenchimento, acrescentaremos os Parâmetros de Replicação na

janela Configurar, que você acessa clicando em Rodar. Como pede o enunciado,
deixaremos uma replicação, 8h de simulação, 24h por dia e a unidade de tempo base
para apresentação dos resultados em minutos, como apresentado na Figura 30.
Figura 30 - Preenchimento dos Parâme-

tros de Replicação do Exemplo 1
Fonte: o autor.

aparece a janela dos Parâmetros de
Replicação. No campo Número de
Replicações, aparece o número 1,
em Período de Aquecimento, apare-
ce 0.0, em Unidade de Tempo, apare-
ce Hours, em Duração de Replicação,
está preenchido o número 8, à frente
deste campo, em Unidade de Tem-
po, aparece escrito Hours, no campo
Horas por Dia, está escrito o número
24, e, em Unidade de Tempo Base,
Também preencheremos os Parâmetros de Projeto e selecionaremos, além dos re-

latórios habituais Entidades, Recursos, Filas e Processos, também o relatório de
Transportadores. Observe na Figura 31.
275
UNICESUMAR
Figura 31 - Preenchimento dos Parâme-

tros de Projeto do Exemplo 1
Fonte: o autor.

aparece a janela dos Parâmetros de
Projeto. No campo Título do Projeto,
aparece Exemplo 1 – Unidade 9, em
Nome do Analista, está escrito Simu-
lação de Processos Produtivos. No
campo Coleta de Estatísticas, estão
selecionadas as opções Entidades,
Recursos, Filas, Processos e Trans-
portadores.
Agora, basta executar a simulação para ver os resultados nos relatórios. Na Figura
32, é apresentado o relatório das Entidades (Entity) com relação aos tempos con-
sumidos no processo.
Figura 32 - Relatório dos parâmetros

das entidades (peças) com relação aos
tempos do processo / Fonte: o autor.

aparece uma parte do relatório das
entidades (Entity) relacionado aos
tempos do processo. Em VA Time, apa-
rece o número 4,9256, em NVA Time,
aparece o número 0,0, em Wait Time
aparece o número 96,0146, em Trans-
fer Time, aparece o número 7,4126,
em Other Time, aparece 0,3011, e, em
Total Time, aparece 108,65.
276
UNIDADE 9
Observando a Figura 33, verificamos que cada peça ficou, em média, por 4,93min
em processamento (VA Time), não houve atividade com valor não agregado definida
(NVA Time igual a zero). O tempo médio de espera das peças na fila (Wait Time)
ficou em 96,01min, em transferência (Transfer Time), as peças passaram, em média,
7,41min, em outra atividade que não as listadas até agora (Other Time), 0,30min, e
um tempo total no sistema produtivo de 108,65min. Na Figura 33, são apresentados
os dados para quantidade de peças no sistema produtivo.
Figura 33 - Relatório dos parâmetros

das entidades (peças) com relação às
quantidades / Fonte: o autor.

aparece o relatório de entidades
(Entity) com valores relacionados às
quantidades de peças que circulam no
processo. Em Number In, está o núme-
ro 100, em Number Out, o número 62,
e, em WIP, o número 21,2689.
Observe, na Figura 33, que en-

tram no sistema produtivo 100
peças (Number In), e saem 62
peças (Number Out), havendo
em torno de 21 peças em pro-
cessamento (WIP) dentro do
sistema ao final da simulação.
Na Figura 34, você pode ver os
resultados apresentados para o
relatório de Processos (Process).
Figura 34 - Resultados do relatório de

Processos do Exemplo 1 / Fonte: o autor.

aparece um relatório de Processo para
o Exemplo 1. No campo VA Time Per En-
tity, aparece o valor 4,1057 correspon-
dente a Processo Máquina A, e 3,1559
para Reparo. No campo Wait Time Per
Entity, há o valor 0,8293 para Processo
Máquina A e 0,1042 para Reparo. No
campo Total Time Per Entity, apare-
ce 4,9351 para Processo Máquina A,
3,2601 para Reparo e, no campo Accum
VA Time, aparece 258,66 para Processo
Máquina A e 53,6504 para Reparo.
277
UNICESUMAR
Na Figura 34, podemos observar que o tempo médio de valor agregado no Processo
da Máquina A foi de 4,11min, para o Reparo de 3,16min, o tempo médio de espera
em fila para o Processo da Máquina A foi de 0,83min, para o Reparo de 0,10min.
Um tempo total de 4,94min e 3,26min foi observado, respectivamente, para o Pro-
cesso Máquina A e para o Reparo. Um tempo acumulado de 258,66min no Processo
Máquina A e 53,65min para o Reparo. Ainda no relatório de Processo, podemos
identificar a quantidade de entidades que entram e saem de cada recurso, como se
pode observar na Figura 35.
Figura 35 - Relatório de Processo, quantidade que peças que entram e saem de cada recurso do Exemplo 1
Fonte: o autor.
Descrição da Imagem: na imagem, aparece um relatório de Processo com a quantidade de peças que circulam em
cada recurso. No campo Number In, aparece 65 para o Processo Máquina A e 17 para o Reparo. No campo Number
Out, aparece 63 para Processo Máquina A, e 17 para Reparo. Há um gráfico que representa a quantidade de peças
que entra em cada etapa do processo.
As filas, de maneira individual, podem ser analisadas pelos dados do relatório Queue,
que é apresentado na Figura 36.
278
UNIDADE 9
Figura 36 - Relatório de filas para o Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de filas para os dados do Exemplo 1. No campo Waiting
Time, na coluna Average, aparece 0,8164 para Processo Máquina A, 0,1042 para Reparo, 89,3365 para o Request 1,
2,7721 para o Request 2, 1,9294 para o Request 3 e 3,9843 para o Request 4. No campo Number Waiting, aparece
0,1089 para Processo Máquina A, 0,00369 para o Reparo, 18,0601 para o Request 1, 0,2657 para o Request 2, 0,0683
para o Request 3 e 0,1411 para o Request 4.
Veja, na Figura 36, que há uma fila maior na entrada do processo, no transporte que
leva as peças até a Máquina 1, chegando a um tempo médio de espera por entidade
de 89,34min. As filas nos processos em si são pequenas, com 0,82min para o Processo
Máquina A e 0,10min para o Reparo. Notadamente, a quantidade de peças na fila é
maior, aguardando o transportador para carregar até a Máquina A (18,1 unidades),
e muito baixa nos processos, com 0,11 unidades para o Processo Máquina A e 0,004
unidades para o Reparo. Na Figura 37, é apresentado o relatório de ocupação e uso
de recursos (Resource).
279
UNICESUMAR
Figura 37 - Relatório de recursos para o


aparece o relatório de uso de recur-
sos (Resource). Em Instantaneous Uti-
lization, aparece 0,5440 para Máquina
A e 0,1118 para Máquina de Reparo.
No campo Number Busy, aparece
0,5440 para Máquina A e 0,1118 para
Máquina de Reparo. No campo Num-
ber Scheduled, aparece tanto para
Máquina A quanto para Máquina de
Reparo o número 1, e, em Scheduled
Utilization, aparece o número 0,5440
para Máquina A e 0,1118 para Máqui-
na de Reparo.
Da Figura 37, cabe destacar disponibilidade dos recursos (Number Scheduled) igual
a 1, ou seja, 100%, não consideramos paradas nas máquinas, e a taxa de utilização
ou ocupação dos recursos (Scheduled Utilization) de 54,4% para a Máquina A e
11,18% para a Máquina de Reparo. E finalizamos avaliando o último relatório dos
transportadores (Transporter), apresentado na Figura 38.
Figura 38 - Relatório de Transporte para o Exemplo 1 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o relatório de transporte (Transporter); no campo Number Busy, na
coluna Average, aparece o número 1,9954, no campo Number Scheduled, aparece o valor 2, e, no campo Utilization,
aparece o número 0,9977.
280
UNIDADE 9
Na imagem 38, você observa que a disponibilidade dos transportadores (carrinhos) é

2, em Number Scheduled, equivalente a 200%, ou seja, 100% de disponibilidade para
cada carrinho. A taxa de utilização de cada carrinho ficou em 99,77% (Utilization) que,
se multiplicada por 2, fornece o valor da quantidade em uso (Number Busy) de 1,9954.
Note, então, que nosso problema tem limitações de transporte, e não de processo,
havendo maior problema no transporte de peças na entrada do sistema produtivo.
Logo, é possível que aumentar a capacidade de movimentação de peças pode ampliar
a capacidade de produção de peças, diariamente.
b) Agora, podemos modificar a estrutura do modelo para três carrinhos, basta
selecionar o módulo de dados Transporter em Advanced Transfer. Clique
com o botão direito, na planilha que aparece abaixo do modelo, e selecione
Editar Via Caixa de Diálogo. Altere o campo Number of Units para 3 e, em
Initial Position Status, acrescente mais uma posição inicial com Entrada do
Processo.Station, como você pode observar na Figura 39.
Figura 39 - Preenchimento completo do módulo de dados Transporter do Exemplo 1b, acrescentando mais
um carrinho transportador / Fonte: o autor.
Descrição da Imagem: na imagem, aparece a janela do módulo de dados Transporter; no campo Name, está escrito
Carrinho, no campo Number of Units, aparece 3, no campo Type, aparece Free Path, no campo Distance Set, está
escrito Carrinho.Distance, em Velocity, está escrito 0,8, e, no campo Units, aparece Per Second. Nesta mesma janela,
mais abaixo, há o campo Initial Position Status, sendo preenchido duas vezes pelo Station, Entrada no Processo
Station, Active; abaixo, em When Freed, está escrito Remain Where Freed. Ao lado, aparece a janela Initial Position
Status, no campo Initial Position, está selecionado Station, no campo Station Name, está selecionado Entrada, no
Processo.Station, no campo Initial Status está selecionado Active.
281
UNICESUMAR
Depois da modificação, a execução do modelo nos leva a encontrar uma entrada

de peças no sistema de 94 e uma saída de 88 peças, um aumento de 26 peças. O
tempo total de cada peça no sistema foi reduzido de 108,65min para 40,6min. A fila
do carrinho transportador para a Máquina A foi reduzida, passando a apresentar
um tempo médio de 15,62min e um número médio na fila de 2,97 peças. A taxa de
ocupação da Máquina A subiu para 76,03%, e do reparo subiu, ligeiramente, para
18,86%, e a taxa de ocupação dos carrinhos ficou em 95,76% para cada um. Logo,
haverá melhoria substancial na produtividade com a ampliação da quantidade de
carrinhos para transporte.
Em sistemas que envolvem equipamento de movimentação, deve-se atentar para o uso dos
recursos, avaliando o tempo de deslocamento deste equipamento bem como seu tempo de
carga, pois uma gestão adequada da movimentação de materiais pode reduzir custos e au-
mentar a capacidade de produção.
Agora, vamos inserir uma nova maneira de transportar cargas, em vez de utilizarmos transportadores que
se movem com a carga, utilizaremos correias, que levam a carga utilizando esteiras ou roletes. Utilizaremos
a mesma lógica do Exemplo 1, substituindo as distâncias entre cada setor pelo comprimento da esteira.
Os módulos utilizados serão Access para acessar a correia (entra no lugar do Request do transportador),
Delay para carregar a correia, e Convey para fazer a conexão com a estação de trabalho seguinte (substitui
o Transport do transportador). Veja, então, no Exemplo 2, como podemos trabalhar com as correias.
02. EXEMPLO Considere um sistema simples em que peças são recebidas na Máquina A, processadas
e, em seguida, seguem para uma inspeção. Se forem aprovadas, são enviadas para um
Estoque Intermediário, caso sejam reprovadas, as peças seguem para uma estação de
Reparo e, em seguida, para o Estoque Intermediário. A dinâmica de chegada de peças
na Máquina A segue uma distribuição Exponencial de média 5 minutos. Partindo de
um Almoxarifado, a Máquina A apresenta uma dinâmica de trabalho segundo uma
distribuição Triangular com o mínimo de 3 minutos, moda de 4 minutos e máximo
de 5 minutos. O reparo ocorre segundo uma distribuição Triangular com mínimo
de 2 minutos, moda de 3 minutos e máximo de 4 minutos. A taxa de aprovação das
peças, atualmente, é de 70%, e cada setor é conectado por uma correia transportado-
ra com tempo de carregamento de 8 segundos e descarregamento de 12 segundos.
A velocidade de deslocamento das correias é de 30cm/s, e seus comprimentos são
apresentados na Tabela 2.
282
UNIDADE 9
Correia De Para Distância (cm)

Almoxarifado Máquina A 600
Máquina A Estoque 600
Máquina A Reparo 450
Reparo Estoque 720
Tabela 2 - Distâncias entre as estações do problema do Exemplo 2 / Fonte: o autor.
Consideraremos que uma peça ocupará em torno de 30cm do comprimento da

correia. Com base nestas informações, simule o sistema para 8h de trabalho, consi-
derando um dia de 24h e com uma replicação. Observe o comportamento do sistema
simulado e anote a quantidade de peças que entra no processo, a quantidade que sai
para estoque, o comportamento das filas e as taxas de ocupação dos recursos e correias.
Solução: utilizaremos a mesma estrutura do modelo apresentado no Exemplo
1, realizando apenas as modificações referentes à substituição dos transportadores
por correias. Nas Figuras 40 e 41, você pode verificar como ficará a estrutura desta
nova modelagem.
Figura 40 - Representação das estações de Entrada e Produção do modelo do Exemplo 2 / Fonte: o autor.
modulo Create renomeado como Chegada, em seguida, há um módulo Enter onde se lê Entrada no processo, conectado ao módulo
Access com nome de Access 1, e este se conecta a um módulo Delay com nome Delay 1, que se conecta com um módulo Convey com
nome de Convey 1. A estação de Produção se inicia com um módulo Enter com nome Para Máquina A, conectado a um módulo Pro-
cess com nome Processo Máquina A, em seguida, aparece um módulo Decide com título Peças Boas?, do módulo Decide saem duas
conexões, uma para frente, para as peças boas, e outra para baixo, para peças ruins. A conexão para frente se liga a um módulo Access
com nome Access 2, este se conecta a um módulo Delay com nome Delay 2, e este se conecta ao módulo Convey com nome Convey 2.
A conexão que sai de baixo do módulo Decide se conecta a um módulo Access com nome Access 3, este se conecta a um módulo Delay
chamado Delay 3, e este se conecta a um módulo Concey com nome Convey 3.
283
UNICESUMAR
Figura 41 - Representação dos módulos de Reprocesso e Estoque do modelo do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparecem as estações de Reprocesso e Estoque. A estação de Reprocesso se inicia com um módulo
Enter onde se lê Estação Reparo, em seguida, há um módulo Process com o nome Reparo, conectado a este módulo, está um módulo Access
com o nome Access 4, em seguida, há um módulo Delay com nome Delay 4, finalizando com um módulo Convey com o nome Convey 4. A
estação de Estoque se inicia com um módulo Enter onde se lê Entrada Estoque, e esta se conecta com um módulo Dispose com nome Saída.
Observe que as modificações estruturais do modelo ocorreram nos módulos de

transporte que foram substituídos pelos módulos de correias. Haverá, também, o uso
de dois módulos de dados novos. Para correias, você preencherá o módulo de dados
Conveyor e Segment. Começando com a estação de trabalho de Entrada, os módulos
Create (Chegada) e Enter (Entrada no Processo) terão a mesma estrutura apresentada
nas Figuras 3 e 4. O módulo Access será preenchido como apresentado na Figura 42.
Figura 42 - Módulo Access da Estação

Entrada do Exemplo 2 / Fonte: o autor.

aparece o módulo Access da Estação
Entrada. No campo Name, está es-
crito Access 1, no campo Conveyor
Name, está escrito Correia 1, no
campo # of Cells, está digitado o va-
lor 1, no campo Queue Type, aparece
Queue, e, no campo Queue Name,
está escrito Access 1.Queue.
Observe que, neste módulo, chamamos a correia de Correia 1, em # of Cells, colo-

camos a quantidade de células da correia que será ocupada por uma peça. Estamos
considerando, pelo enunciado, que uma célula da correia terá comprimento de 30cm,
e que uma peça ocupará 30cm da correia. O módulo Delay 1 permanece descrito
como a Figura 8, já o módulo Convey será preenchido como apresentado na Figura 43.
284
UNIDADE 9
Figura 43 - Módulo Convey para a Esta-

ção de Entrada do Exemplo 2
Fonte: o autor.

aparece um módulo Convey para a Es-
tação Entrada. No campo Name, está
escrito Convey 1, no campo Conveyor
Name, está escrito Correia 1, em Desti-
nation Type, está selecionado Station,
e, no campo Station Name, está sele-
cionado MaqA.Station.
Na Figura 43, verificamos que o nome da correia continua Correia 1, e que a cone-
xão desta correia é com o módulo de processo em que a Station definida foi MaqA.
Station. Iniciando a Estação de Produção, o módulo Enter sofre uma modificação
no campo Transfer In, sendo escolhida a opção da correia, Exit Conveyor, como
Figura 44 - Módulo Enter para a

Estação de Produção do Exemplo 2
Fonte: o autor.

gem, aparece o módulo Enter; no
campo Name, está escrito Para
Máquina A, no campo Station
no campo Station Name, aparece
MaqA.Station. Em Logic, temos
o campo Delay com notação 12,
em Allocation, está selecionado
Wait, em Units, aparece selecio-
nado Seconds, e, em Transfer, In,
está selecionado Exit Conveyor,
em Conveyor Name está selecio-
nado Correia 1.
Os módulos Process (Processo Máquina A) e Delay (Peças Boas?) permanecem iguais

aos apresentados nas Figuras 11 e 12. O módulo Access 2 é apresentado na Figura 45.
285
UNICESUMAR
Figura 45 – Módulo Access da Estação

Produção para Estoque do Exemplo 2
Fonte: o autor.

Produção. No campo Name, está es-
Name, está escrito Correia 2, no cam-
po # of Cells, está digitado o valor 1, no
campo Queue Type, aparece Queue, e,
no campo Queue Name, está escrito
Access 2.Queue.
Veja que, nesta etapa, a correia foi chamada de correia 2, sendo que, também, uma
unidade de peça ocupará uma célula da correia. O módulo Delay 2 permanece igual
ao apresentado na Figura 14. O módulo Convey 2 fica preenchido, como apresentado
na Figura 46.
Figura 46 - Módulo Convey para a Es-

tação de Produção para Estoque do

aparece um módulo Convey para a
Estação Produção. No campo Name,
está escrito Convey 2, no campo Con-
veyor Name, está escrito Correia 2,
em Destination Type, está seleciona-
do Station, e, no campo Station Name,
está selecionado Estoque.Station.
Note que esta correia está conectada à Estação Estoque. Abaixo do módulo Decide,
teremos a correia que levará as peças não conformes para o Reprocesso. O módulo
Access 3 será preenchido, como apresentado na Figura 47.
286
UNIDADE 9
Figura 47 - Módulo Access da Estação

Produção para Reprocesso do Exemplo 2
Fonte: o autor.

Produção. No campo Name, está es-
Name, está escrito Correia 3, no
campo # of Cells, está digitado o va-
lor 1, no campo Queue Type, aparece
Queue, e, no campo Queue Name,
Na Figura 48, é apresentado o preenchimento do módulo Convey 3 para a correia

das peças não conformes que devem seguir para a Estação Reprocesso.
Figura 48 - Módulo Convey para a Es-

tação de Produção para Reprocesso do

aparece um módulo Convey para a
Estação Produção. No campo Name,
está escrito Convey 3, no campo
Conveyor Name, está escrito Correia
3, em Destination Type, está selecio-
nado Station, e, no campo Station
Name, está selecionado Reparo.
Station.
A Estação de Reprocesso inicia-se com um módulo Enter que, também, deve ter
uma estrutura um pouco diferente para o campo Transfer In, como se pode ver
na Figura 49.
287
UNICESUMAR
Figura 49 - Módulo Enter para a Estação

de Reprocesso do Exemplo 2
Fonte: o autor.

aparece o módulo Enter; no campo
Name, está escrito Estação Reparo, no
campo Station Type, está selecionado
Station, no campo Station Name, apa-
rece Reparo.Station. Em Logic, temos
o campo Delay com notação 12, em
Allocation, está selecionado Wait, em
Units, aparece selecionado Seconds, e,
em Transfer In, está selecionado Exit
Conveyor, em Conveyor Name, está
selecionado Correia 3.
Na entrada da Estação de Reprocesso, a correia conectada é a 3, aquela que sai da

Estação de Produção com peças não conformes. O módulo Process (Reparo) não
sofre modificações. Na Figura 50, é apresentado o módulo Access 4 preenchido.
Figura 50 - Módulo Access da Estação Reprocesso do

Descrição da Imagem: na imagem, aparece o módulo Ac-

cess da Estação Reprocesso; no campo Name, está escrito
Access 4, no campo Conveyor Name, está escrito Correia
4, no campo # of Cells, está digitado o valor 1, no campo
Queue Type, aparece Queue, e, no campo Queue Name,
Na imagem 50, você confere o preenchimento do módulo Convey 4, que faz o trans-
porte das peças reparadas até o Estoque.
Figura 51 - Módulo Convey para a Estação Reprocesso do

Descrição da Imagem: na imagem, aparece um módulo

Convey para a Estação Reprocesso. No campo Name, está
escrito Convey 4, no campo Conveyor Name, está escrito
Correia 4, em Destination Type, está selecionado Station, e,
no campo Station Name, está selecionado Estoque.Station.
288
UNIDADE 9
Na Estação Estoque, haverá alteração na estrutura do módulo Enter, como apresen-

tado na Figura 52.
Figura 52 - Módulo Enter para a Estação Estoque do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo Enter; no campo Name, está escrito Entrada Estoque, no
campo Station Type, está selecionado Station, no campo Station Name, aparece Estoque.Station. Em Logic, temos o
campo Delay com notação 12, em Allocation, está selecionado Wait, em Units, aparece selecionado Seconds, e, em
Transfer In, está selecionado Exit Conveyor, o campo Conveyor Name está em branco.
Observe que o módulo Enter do Estoque ficou sem nome da correia em Conveyor
Name, isso porque há duas correias que chegam a ele, a correia 2, que sai da produ-
ção com peças boas, e a correia 4, que sai do reprocesso com peças reparadas. Sendo
assim, o nome da Station será responsável pela conexão entre as correias e o estoque.
O módulo Dispose (Saída) não sofrerá alteração.
Agora, você precisa acessar o módulo de dados Conveyor, que está na Barra de
Projeto, do lado esquerdo, da área do modelo, dentro de Advanced Transfer. Ao
selecionar este módulo, você observará o aparecimento da planilha de dados. Prova-
velmente, aparecerão as quatro correias que você criou. Clique com o botão direito
do Mouse sobre uma delas e selecione Editar Via Caixa de Diálogo. Para a correia 1,
o preenchimento fica, como apresentado na Figura 53.
289
UNICESUMAR
Figura 53 - Módulo de dados Conveyor

para a Correia 1 do Exemplo 2
Fonte: o autor.

aparece uma janela do módulo de da-
dos Conveyor. No campo Name está
escrito Correia 1, no campo Segment
Name está escrito Correia 1.Segment,
em Type está selecionado Accumu-
lating, em Velocity está substituído o
número 30, em Units está selecionado
Per Second, no campo Cell Size está
digitado 30, em Max Cells Occupied
está selecionado 1, em Accumulaion
Length está digitadom 30 em Initial
Status está selecionad Active.
Observe, na Figura 53, que a velocidade da correia (30cm/s) e o tamanho da célula (30
cm) foram atribuídos à correia 1. O mesmo processo deve ser feito para as correias
2, 3 e 4. Em seguida, selecione, também, em Advanced Transfer, o módulo de dados
Segment, e aparecerá uma planilha de dados abaixo do modelo. Clique, com o botão
direito do mouse, na primeira linha e selecione Editar Via Caixa de Diálogo. Você
informará o início e o fim do segmento da correia e digitará o comprimento total
dela. Veja, na Figura 54, como fica o preenchimento da primeira correia (correia 1),
que parte da entrada de peças e chega no processo da máquina A.
Figura 54 - Módulo Segment para preenchimento dos dados das correias do Exemplo 2 / Fonte: o autor.
Descrição da Imagem: na imagem, aparece o módulo de dados Segment para preenchimento dos dados; no cam-
po Name, está escrito Correia 1.Segment, em Beginning Station, está selecionado Entrada no Processo.Station. Há
uma janela de Next Stations com preenchimento, no campo Next Station, com MaqA.Station, e, no campo Length,
está digitado 600.
290
UNIDADE 9
Veja, na Figura 54, que estabelecemos para a correia 1 o início em Entrada no Pro-
cesso.Station, e a saída em MaqA.Station, com uma distância de 600cm. O mesmo
procedimento deve ser adotado para os demais segmentos de correia. Para finalizar,
abra os Parâmetros de Projeto e, em Coleta de Estatística, selecione Correia. Mantenha
a simulação com 1 replicação, tempo base em minutos, 8h de simulação e dia de 24h.
Ao executar este modelo, teremos como principais soluções a entrada de 93 peças
no sistema e a retirada de 86 peças. O tempo médio de transferência das peças ficou
em torno de 0,77min, não há formação de fila nas correias, o processo da Máquina A
tem uma fila de 8,04min, com 1,69 peças na fila, em média. Há uma taxa de ocupação
da Máquina A de 74,03%, e, no Reparo, de 17,44%.
Note como é diferente avaliar um transportador móvel, que se desloca junto com a carga, e
um transportador fixo com partes móveis que executam a movimentação. De certo modo, o
transportador fixo sempre está disponível para receber a carga, a menos que algum evento
promova sua parada. Já um transportador móvel apresenta tempos de deslocamento que
podem fazê-lo se deslocar de um ponto a outro do processo sem carga alguma, apenas para
iniciar um novo transporte. Podemos entender que, neste último caso, a ociosidade do trans-
portador é superior à das correias.
Desta forma, você pode verificar que a tendência é que uma correia transportadora tenha facilidade
maior de transportar materiais. Obviamente, há casos em que você pode ter uma correia para quando
há acúmulo de material em seu ponto de descarga. É importante sempre avaliar cada situação, aplican-
do os parâmetros do movimento, como velocidade e tempos de carga e descarga, para que uma visão
realista do problema possa ser obtida.
291
UNICESUMAR
Agora, ouça este Podcast sobre a simulação do

processo de fabricação de uma indústria de
cerâmica utilizando o software Arena.
Retornando ao problema da paleteira manual do início da unidade, se você produz 20 peças/min e tem
capacidade de transportar 5peças/20s, ou o equivalente a 15peças/min, a cada minuto que a máquina
produz, haverá sobra de cinco peças aguardando transporte. Em cinco minutos de trabalho da máquina
e transporte de peças, haverá um acúmulo de 25 peças, logo, tal condição de movimentação torna-se
desfavorável. Neste caso, ou se amplia a capacidade de transporte da paleteira, ou se acrescenta mais
um equipamento para auxiliar o que já existe.
Assim, finalizamos a nona unidade do livro Simulação de Processos Produtivos e nosso livro também.
Espero que você tenha gostado de tudo o que aprendeu e não tenha receio de ampliar cada vez mais
seus horizontes, partindo para problemas cada vez mais complexos. Tenha certeza de que a Simulação
de Processos é uma ferramenta muito importante e que pode ser o diferencial de um profissional no
mercado de trabalho. Sucesso!
292
Agora, convido você a preencher este Mapa Mental que traz os pontos principais de uso e preenchi-
mento dos problemas de simulação com transportadores e correias. Anote os módulos utilizados
em cada tipo de transportador.
Módulos de
Módulos de Projeto Transportadores
dados
Transportadores e correias
Módulos de
Módulos de Projeto Correias
dados
Descrição da Imagem: na imagem, há um Mapa Mental com um retângulo no centro escrito “Transportadores e Correias”. Deste re-
tângulo, surge uma ramificação para cima, conectada a um retângulo onde se lê “Transportadores”, e este retângulo está conectado a
dois outros retângulos, um à esquerda, onde se lê “Módulos de Projetos”, e outro à direita, onde se lê “Módulos de Dados”. Do retângulo
Módulos de Projeto, há quatro retângulos conectados, em branco, para preenchimento; do retângulo Módulo de Dados, há dois retân-
gulos em branco para preenchimento. Abaixo do retângulo central, há o retângulo onde se lê “Correias”, conectado a dois retângulos:
o da esquerda com nome “Módulos de Projeto” está conectado a quatro retângulos em branco para preenchimento, e o retângulo da
direita com o nome “Módulos de Dados” está conectado a dois retângulos em branco para preenchimento.
293
1. Considere um processo com duas máquinas, Máquina A e Máquina B, operando em
sequência. A Máquina A recebe peças para processar de acordo com uma distribui-
ção exponencial de média 10min e executa a operação de processamento, segundo
uma distribuição uniforme que varia de 9 a 15min. Em seguida, a peça segue para a
Máquina B, onde será processada, segundo uma distribuição triangular com mínimo
de 9min, moda de 13min e máximo de 16min. Da máquina B, as peças seguem para
o Estoque. Há um transportador disponível para executar esta movimentação sendo
utilizado para pegar a peça no Almoxarifado, levar para a Máquina A, transportar da
Máquina A para a Máquina B e levar a peça da Máquina B para o Estoque. A distância
entre o Almoxarifado e a Máquina A é de 15m, entre as duas Máquinas de 25m, entre
a Máquina B, e o Estoque 20m, a distância entre o Almoxarifado e a Máquina B é de
35m, entre o Almoxarifado e o Estoque, de 50m e entre a Máquina A e o Estoque, de
40m. A velocidade do transportador é de 10m/min, o tempo de carga de cada peça é
de 2min e de descarregamento de 3min. Execute a simulação deste sistema, conside-
rando 900min e 3 replicações.
2. Se a empresa optar por trabalhar com dois transportadores em vez de apenas um,
haverá grandes mudanças no comportamento simulado do sistema?
3. Considerando que a empresa deseja produzir, ao final dos 900min de simulação, no

mínimo, 80 peças, de quantos transportadores ela precisará?
294
UNIDADE 1
ANDRADE, E. L. Introdução à Pesquisa Operacional – Métodos e Modelos para Análise de
Decisões. Rio de Janeiro: LTC, 2015.
FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria das Filas. Rio de Janeiro: Interciência, 2007.
HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. Porto Alegre: McGraw-

-Hill, 2013.
PRADO, D. Teoria das Filas e da Simulação – Série Pesquisa Operacional, vol. 2. Minas Gerais:
Falconi Consultores de Resultado, 2014.
TAHA, H. A. Pesquisa Operacional. São Paulo: Pearson, 2008.
UNIDADE 2

-Hill, 2013.
KENDALL, D. G. Stochastic Processes Occurring in the Theory of Queues and Their Analysis by the
Method of the Imbedded Markov Chains, Ann. Math. Statist., v. 24, p. 338-354, 1953.
UNIDADE 3

-Hill, 2013.
TAHA, H. A. Pesquisa Operacional. São Paulo: Pearson, 2008.
UNIDADE 4
BATEMAN, R. E. et al. Simulação de Sistemas. Aprimorando processos de logística, serviços e
manufatura. Rio de Janeiro: Elsevier, 2013.
FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas com Aplicações em

ARENA. 2. ed. Florianópolis: Visual Books, 2008.
295
UNIDADE 5
BATEMAN, R. E. et al. Simulação de Sistemas. Aprimorando processos de logística, serviços e
manufatura. Rio de Janeiro: Elsevier, 2013.
CHWIF, L; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos. Teoria e Aplicações.

4. ed. Rio de Janeiro: Elsevier, 2015.

UNIDADE 6
PRADO, D. Usando o Arena em Simulação – Série Pesquisa Operacional. Vol. 3. 5. ed. Nova Lima:
Falconi Editora, 2014.
UNIDADE 7
UNIDADE 8
UNIDADE 9
296
UNIDADE 1
1. Os elementos: cliente, processo e posto de atendimento são todos característicos do sistema de
filas, sendo o cliente aquele que precisa passar pelo processo no posto de atendimento, logo,
observa-se que todos são interconectados.
Primeiro caso: caminhões carregando contêineres, chegando à beira do navio para descarre-
gamento com guindaste.
Cliente: Caminhão com contêiner
Processo: Descarregamento do caminhão
Posto de Atendimento: Guindaste
Segundo caso: chapas de aço chegando a uma mesa de corte para serem cortadas.
Cliente: Chapas de aço
Processo: Corte das chapas
Posto de Atendimento: Mesa de corte
Terceiro caso: caminhões contendo contêineres que chegam em uma doca para serem carre-
gados, por empilhadeiras, com pallets de caixas.
Cliente: Caminhões a serem descarregados
Processo: Carregamento dos contêineres
Posto de Atendimento: Doca/Empilhadeira
2. Para avaliar os parâmetros da fila apresentados nas afirmações, que são as taxas médias de
chegada (λ) e de atendimento ou execução da pintura (μ), basta tomarmos o inverso dos valores
de IC e TA, respectivamente, convertendo-os para a unidade de tempo em horas.
Turno1:
1 1
λ1 60 20 peças por hora
IC1 3
1 1
µ1 60 30 peças porr hora
TA1 2
Turno 2:
1 1
IC2 2, 5
1 1
µ2 60 33, 33 peças por hora
TA2 1, 8
Turno 3:
1 1
IC3 4
1 1
µ3 60 24 peças por hora
TA3 2, 5
2 3 33 24 9 peças por hora
Corretas: I e II, apenas.
297
3. Utilizando os dados do intervalo de chegada e do tempo de atendimento, é possível calcular os
parâmetros IC e TA, utilizando, a princípio, uma média simples.
1 1 3 1 2 3 4 4 1 2 2 4 28
IC 2, 33 min por cliente
12 12
3 1 2 3 1 2 2 1 2 2 1 3 23
TA 1, 92 min por cliente
12 12
Desta forma, identificamos que o índice de chegada, ou seja, o tempo médio de chegada está
em 2,33 minutos por cliente, e o tempo médio de atendimento está em 1,92 minuto por cliente.
Para calcular a taxa média de chegada (λ) e a taxa média de atendimento (μ), basta calcularmos
o inverso de IC e o inverso de TA.
1 1
l 0, 4292 clientes por minuto
IC 2, 33
1 1
0, 5208 clientes por minuto
TA 1, 92
Transformando esta quantidade de minutos em horas, teremos:
l 25, 75 clientes por hora
2, 33 minuto 1h
31, 25 clientes por hora
1, 92 minuto 1h
O diagrama indicativo dos tempos de chegada e de atendimento será:
Descrição da Imagem: a figura é dividida em duas regiões. Há uma linha central que divide a região acima para o Atendimento,
e a região abaixo para a Fila. Há uma linha, na parte inferior da figura, que possui números de 1 a 35 representando uma série
temporal em minutos. Na parte de cima e na parte de baixo, estão presentes retângulos indicando cada cliente do banco,
sendo a largura do retângulo referente à quantidade de minutos que demora para cada cliente ser atendido, ou a quantidade
de tempo que o cliente aguarda na fila. Os retângulos começam no momento referente ao tempo de chegada do cliente e ao
tempo que se inicia o atendimento.
298
Na Tabela 1, estão apresentados os valores dos tempos em que cada cliente teve que aguardar
na fila.
Cliente 1 2 3 4 5 6 7 8 9 10 11 12
Tempo na fila 0 2 0 1 2 0 0 0 0 0 0 0
Tabela 1 - Tempo gasto na fila para cada cliente em minutos / Fonte: o autor.
Para calcular o tempo médio na fila, podemos somar os tempos na fila e dividir pela quantidade
de clientes. Da mesma forma, para calcular o número médio de clientes na fila, somaremos o
tempo de cada cliente na fila e dividiremos pelo tempo total analisado, que neste caso, é de 32
minutos.
TMF (2 1 2) / 12 5 / 12 0, 42 min
NMF (2 1 2) / 32 5 / 32 0,16clientess
Observe, então, que o tempo médio que os clientes aguardam na fila é de 0,42 minutos, e o
número médio de clientes na fila é de 0,16 clientes.
A taxa de ocupação do sistema (ρ) pode ser calculada somando o tempo total de atendimento
dos clientes e dividindo pelo tempo total da análise.
r (3 1 2 3 1 2 2 1 2 2 1 3) / 32 23 / 32 0, 7188
Logo, observa-se que a taxa de ocupação do sistema estimada é de 71,88%.
UNIDADE 2
1. A linha de montagem pode ser subdividida em quatro sistemas de fila: Etapa 1, Etapa 2, Etapa
3 e Reparo, e cada uma terá sua taxa média de chegada. Como a taxa de chegada de peças na
Etapa 1 é de 120 unidades/h, e as Etapas 1 e 2 possuem uma taxa de atendimento superior à
taxa de chegada, haverá a mesma quantidade de peças chegando nas Etapas 2 e 3, ou seja,
120 unidades/h. Para o Reparo, será aplicado o percentual de 20% sobre as peças que chegam,
assim, consideraremos, na atual situação, 24 unidades/h. As taxas médias de atendimento já
são apresentadas na Figura 1, então, com esses dados, basta executar os cálculos com o modelo
de fila adequado.
a. O sistema apresentado na Figura 1 se encaixa no modelo M/M/1/infinito/FIFO, logo, os cál-

culos serão:
299
Para a Etapa 1
λ2 1202 14400
NFEtapa1 5, 14 unidades/h
h
µ µ λ 140 140 120 2800
λ 120
NS Etapa1 6 unidades/h
µ λ 140 120
λ 120
TFEtapa1 0, 043h 2, 58 min
µ µ λ 140 140 120
1 1
TS Etapa1 0, 05h 3 min
µ λ 140 120
λ 120
ρ Etapa1 0, 8571 85, 71%
µ 140
Para a Etapa 2
λ2 1202 14400
h
µ µ λ 200 200 120 16000
λ 120
NS Etapa 2 1, 5 unidades/h
µ λ 200 120
λ 120
TFEtapa 2 0, 0075h 0, 45 min
µ µ λ 200 200 120
1 1
TS Etapa 2 0, 0125h 0, 75 min
µ λ 200 120
λ 120
ρ Etapa 2 0, 6 60, 00%
µ 200
Para a Etapa 3
λ2 1202 14400
h
µ µ λ 160 160 120 6400
λ 120
NS Etapa 3 3 unidades/h
µ λ 160 120
λ 120
TFEtapa 3 0, 019h 1, 14 min
µ µ λ 160 160 120
1 1
TS Etapa 3 0, 025h 1, 5 min
µ λ 160 120
λ 120
ρ Etapa 3 0, 75 75, 00%
µ 160
300
Para o Reparo
λ2 242 576
NFRe paro 0,13 unidades/h
µ µ λ 80 80 24 4480
λ 24
NSRe paro 0, 43 unidades/h
µ λ 80 24
λ 24
TFRe paro 0, 0054 h 0, 32 min
µ µ λ 80 80 24
1 1
TSRe paro 0, 018h 1, 08 min
µ λ 80 24
λ 24
ρRe paro 0, 3 30, 00%
µ 80
b. Como a taxa de chegada nas três etapas é a mesma, a etapa limitante será aquela que apre-
senta menor taxa de atendimento, que, neste caso, é a Etapa 1.
c. Se a taxa de chegada for alterada para 180 unidades/h, observamos, logo de início, que a
Etapa 3 não conseguirá atender a esta demanda. A Etapa 1 também não conseguiria atender
à demanda, mas como ela será duplicada, a presença de dois postos de atendimento permite
que a Etapa 1 possa atender à demanda ampliada. Como a linha de montagem depende de
todas as etapas funcionando, a modificação proposta torna-se inviável, por este motivo, não
calcularemos os parâmetros de fila.
d. A duplicação da Etapa 3 torna viável o funcionamento da linha de montagem, e os parâmetros

de fila podem ser calculados. Como as Etapas 1 e 3 foram duplicadas, serão tratadas pelo
modelo M/M/s/inf/FIFO, com s = 2. A Etapa 2 e o Reparo continuarão sendo tratados como
um modelo M/M/1/inf/FIFO. Sendo assim, teremos:
Para a Etapa 1
1 1
s 1 λ / µ n λ / µ s 1 21 180 / 140 n 180 / 140 2 1
P0 Etapa1 0, 217
n 0 n ! s ! 1 λ / sµ n 0 n! 2! 1 180 / 2 140

λ 180
ρ Etapa1 0, 643
sµ 2 140
s 2
P0 λ / µ ρ 0, 217 180 / 140 0, 643
NFEtapa1 2
2
0, 91 unidades/h
s !1 ρ 2 !1 0, 643
NF 0, 91
TFEtapa1 0, 005h 0, 3 min
λ 180
λ 180
NS Etapa1 NF 0, 91 2, 19 unidad
des/h
µ 140
1 1
TS Etapa1 TF 0, 005 0, 012h 0, 72 min
µ 140
301
Para a Etapa 2
λ2 1802 32400
µ µ λ 200 200 180 4000
λ 180
NS Etapa 2 9 unidades/h
µ λ 200 180
λ 180
µ µ λ 200 200 180
1 1
TS Etapa 2 0, 05h 3 min
µ λ 200 180
λ 180
ρ Etapa2 0, 9 90, 00%
µ 200
Para a Etapa 3
1 1
s 1 λ / µ n λ / µ s 1 21 180 / 160 n 180 / 160 2 1
P0 Etapa 3 0, 28
n 0 n ! s ! 1 λ / sµ n 0 n! 2! 1 180 / 2 160

λ 180
ρ Etapa 3 0, 563
sµ 2 160
s 2
P0 λ / µ ρ 0, 28 180 / 160 0, 563
NFEtapa 3 2
2
0, 52 unidades/h
s !1 ρ 2 !1 0, 563
NF 0, 91
λ 180
λ 180
NS Etapa 3 NF 0, 52 1, 65 unidadees/h
µ 160
1 1
TS Etapa3 TF 0, 003 0, 009h 0, 54 min
µ 160
Para Reparo
λ2 362 1296
NFRe paro 0, 37 unidades/h
µ µ λ 80 80 36 3520
λ 36
NSRe paro 0, 82 unidades/h
µ λ 80 36
λ 36
TFRe paro 0, 01h 0, 6 min
µ µ λ 80 80 36
1 1
TSRe paro 0, 023h 1, 38 min
µ λ 80 36
λ 36
ρRe paro 0, 45 45, 00%
µ 80
302
2. O modelo que pode representar este problema é o M/M/1/50/FIFO, sendo que, cada etapa será
avaliada de maneira independente, e todas com um limite máximo de 50 unidades/h presentes
no sistema.
Para e Etapa 1
λEtapa1 15 unidades/h
µEtapa1 20 unidades/h
K=50
λ 15
ρ Etapa1 0, 75
µ 20
NS Etapa1
ρ

K 1 ρ K 1

0, 75

50 1 0, 75
501
3 unidades/h
1 ρ 1 ρ K 1 1 0, 75 1 0, 75501
1 ρ 1 0, 75
P0 Etapa1 K 1
0, 25
1 ρ 1 0, 75501
NFEtapa1 NS 1 P0 3 (1 0, 25) 2, 25 unidades/h

λ Etapa1 λ 1 PK 15 1 1, 4 107 15
NS 3
TS Etapa1 0, 2h 12 min
λ 15
NF 2, 25
TFEtapa1 0, 15h 9 min
λ 15
Para a Etapa 2
λEtapa 2 10 unidades/h
µEtapa 2 15 unidades/h
K=50
λ 10
ρ Etapa 2 0, 67
µ 15
NS Etapa 2
ρ

K 1 ρ K 1

0, 67

50 1 0, 67
501
2 unidades/h
1 ρ 1 ρ K 1 1 0, 67 1 0, 67501
1 ρ 1 0, 67
P0 Etapa 2 K 1
0, 33
1 ρ 1 0, 67501
NFEtapa 2 NS 1 P0 2 (1 0, 33) 1, 33 unidades/h
λ Etapa 2 λ 1 PK 10 1 0 10
NS 2
λ 10
NF 1, 33
λ 10
303
Para a Etapa 3
λEtapa 3 25 unidades/h
µEtapa 3 30 unidades/h
K=50
λ 25
ρ Etapa 3 0, 83
µ 30
NS Etapa 3
ρ

K 1 ρ K 1

0, 83

50 1 0, 83
501
4, 88 unidades/h
1 ρ 1 ρ K 1 1 0, 83 1 0, 83501
1 ρ 1 0, 83
P0 Etapa 3 K 1
0, 17
1 ρ 1 0, 83501
NFEtapa 3 NS 1 P0 4, 88 (1 0, 17) 4, 05 unidades//h

λ Etapa 3 λ 1 PK 25 1 1, 8 105 25
NS 4, 88
λ 25
NF 4, 05
λ 25
A produção horária é equivalente à quantidade de peças que entra e sai da Etapa 3, a última.
Como não há informações sobre reprocesso, a quantidade que sai é a mesma que entra, ou seja,
25 unidades/h. O tempo total no setor é dado pela soma dos três tempos no sistema de fila.
TS setor TS Etapa1 TS Etapa 2 TS Etapa 3 0, 2h 0, 2h 0, 2h 0, 6h 36 miin
3. Neste problema, o modelo de fila a ser considerado pode ser o M/M/1/K/FIFO, sendo K = 2 antes
da ampliação, e K = 3, após a ampliação. Os parâmetros de fila para os dois casos podem ser,
então, calculados, sabendo-se que a taxa média de chegada é de 3 navios/dia, e a taxa média
de atendimento, de 5 navios/dia:
Para K=2
λ 3
ρ 0, 6
µ 5
NS
ρ

K 1 ρ K 1

0, 6

2 1 0, 621
0, 67 navios/dia
1 ρ 1 ρ K 1 1 0, 6 1 0, 621
1 ρ 1 0, 6
P0 0, 51
1 ρ K 1 1 0, 621
NF NS 1 P0 0, 67 (1 0, 51) 0, 18 navios/dia
λ λ 1 PK 3 1 0, 184 2, 45
NS 0, 67
TS 0, 273dia 6, 56h
λ 2, 45
NF 0, 18
TF 0, 07 dia 1, 68h
λ 2, 45
304
Para K=3
λ 3
ρ 0, 6
µ 5
NS
ρ

K 1 ρ K 1

0, 6

3 1 0, 6
31
0, 9 navios/dia
1 ρ 1 ρ K 1 1 0, 6 1 0, 631
1 ρ 1 0, 6
P0 0, 46
1 ρ K 1 1 0, 631
NF NS 1 P0 0, 9 (1 0, 46) 0, 36 navios/dia
λ λ 1 PK 3 1 0, 099 2, 70
NS 0, 9
TS 0, 33dia 8h
λ 2, 7
NF 0, 36
TF 0, 13dia 3, 2h
λ 2, 7
UNIDADE 3
1. A única informação disponível, diretamente, é a taxa média de chegada de peças na máquina,
desta forma, há necessidade de calcular a taxa média de atendimento e a variância dos dados
de atendimento para cálculo dos parâmetros de fila, utilizando o modelo M/G/1/∞/FIFO. Uma
boa opção é inserir os dados no Excel, convertê-los em minutos, calcular a média e a variância
sobre estes dados. Os valores encontrados serão:
» = 130 peças / h
Tempo médio de soldagem = 0, 007h / peça
1peça
¼= = 142,86 peças / h »142 peças / h
0, 0077h
Ã2 = 1,5835×10-7 h 2 (variância)
Os parâmetros de fila então se tornam:
» 130
Á= = = 0,915
¼ 142
NF =
2 -7

» 2Ã2 + Á2 130 × 1,5235×10 + 0,915
=
2

= 4,94 peças / h
2 1- Á 2 1- 0,915
NS = Á+ NF = 0,915 + 4,94 = 5,86 peças / h
NF 4,94
TF = = = 0, 038h » 2, 28min
» 130
1 1
TS = TF + = 0, 038 + = 0, 045h » 2, 70miin
¼ 142
305
2. Utilizando as informações sobre custos de operação e de espera, pode-se calcular o custo total
do sistema (ETC) para ambas as máquinas, a atual e a nova. Para calcular o custo com a nova
máquina é necessário determinar o número médio de peças no sistema (NS) com a configuração
da nova máquina. Como a taxa média de chegada não muda, os dados para a nova máquina são:
» = 130 peças / h
Tempo médio de soldagem = 0, 007h / peça
¼= 160 peças / h
Ã= 0, 0005h
Ã2 = 2,5×10-7 h 2 (variância)
» 130
Á= = = 0,8125
¼ 160
NF =
2
-7
» 2Ã2 + Á2 130 × 2,5×10 + 0,8125
=
2

= 1, 77 peças / h
2 1- Á 2 1- 0,8125
NS = Á+ NF = 0,8125 +1, 77 = 2,58peças / h
NF 1, 77
TF = = = 0, 0136h » 0,82min
» 130
1 1
TS = TF + = 0, 0136 + = 0, 0199h »1,,19min
¼ 160
Os custos com cada máquina serão:
MÁQUINA ATUAL
ETC = C x ×s + C U × NS (s = µ)
EOC = 0, 25×142 = 35,50
EWC = 22,35 × 5,86 = 130,97
ETC = 35,50 +130,97 = 166, 47
MÁQUINA NOVA
ETC = C x ×s + C U × NS (s = µ)
EOC = 0,35×160 = 56, 00
EWC = 22,35× 2,58 = 57, 66
ETC = 56, 00 + 57, 66 = 113, 66
Tomando como base o custo total do sistema de filas, percebe-se que, de fato, a máquina
nova geraria um menor custo do sistema, havendo redução de R$166,47 para R$113,66, além
de ampliar a capacidade de produção de 142 peças/h para 160 peças/h, permitindo que haja
aumento da quantidade de peças que chegam à soldagem.
306
3. Aplicando as equações do modelo M/M/s/∞/FIFO, pode-se determinar o custo total do sistema
ETC para s>2. Observe que duas máquinas oferecem uma taxa conjunta de 120 peças/h, inferior
às 130 peças/h, que é a demanda atual, logo, há necessidade de utilizar mais do que 3 máquinas
de solda para atender à demanda. Ao executar a otimização com auxílio do Solver, identifica-se
uma quantidade de máquinas de solda igual a 4 (s = 4), gerando um custo por hora de R$114,17.
Ao testar s = 3, o custo total é de R$123,95, s = 5 o custo total é de R$124,78, e s = 6 o custo total
é de R$138,75, o que confirma o custo mínimo com s = 4 máquinas de solda. Comparando este
resultado com os encontrados na atividade 2, verifica-se que o custo total com quatro máquinas
é menor do que o obtido com a máquina atual e, ligeiramente, maior do que o obtido com a nova
máquina, portanto, a opção de adquirir apenas uma máquina com capacidade de soldagem de
160 peças/h é a mais vantajosa de todas, em termos de custo total do sistema.
UNIDADE 4
1. Para iniciar o processo de solução, devemos separar as taxas médias de atendimento para cada
etapa, sendo que a taxa média de chegada na etapa 1 será a mesma utilizada nas demais etapas.
λ 18 clientes/min
Etapa 1 µ1 5 clientes/min s1 4
Os parâmetros podem ser calculados pelas equações de série de filas sem bloqueio, como
apresentado nas equações a seguir. Na Tabela 1, estão os parâmetros para as demais etapas.
Etapa 1:
λ λ 18
ρi ρ1 0, 9 90, 00%
si µi s1µ1 4 5
1 1
si 1 λ / µ n λ / µ si 1 4 1 18 / 5 n 18 / 5 4 1
P0i i
i P01
n 0 n! si ! 1 λ / si µi n 0 n ! 4 ! 1 18 / 4 5

P01 0, 01126
s s 4
P0i λ / µi i ρi P01 λ / µ1 1 ρ1 0,001126 18 / 5 0, 9
NFi 2
NF1 2
2
7, 09 clientes/min
si !1 ρi s1 !1 ρ1 4 !1 0, 9
NFi NF 7, 09
TFi TF1 1 0, 394 min 23, 64 s
λ λ 18
1 1 1
TSi TFi TS1 TF1 0, 394 0, 594 min  35, 64 s
µi µ1 5
λ λ 18
NSi NFi NS1 NF1 7, 09 10, 69 cllientes/min
µi µ1 5
307
Na tabela a seguir, estão os resultados dos parâmetros de fila de cada etapa e da série de filas.
Etapa 1 Etapa 2 Etapa 3 Etapa 4 Série de fila

ρ 0,90 0,75 0,60 0,86 0,99
P0 0,01126 0,07477 0,04665 0,03743 0,0000015
NF 7,09 1,70 0,35 4,46 13,6
NS 10,69 3,95 3,35 7,03 25,04
TF (min) 0,394 0,095 0,020 0,248 0,756
TS (min) 0,594 0,220 0,186 0,390 1,390
Observando os parâmetros de fila, nota-se que a Etapa 1 é a que está com sua capacidade de
uso quase máxima, havendo uma quantidade maior de clientes em sua fila. Verifica-se, também,
que o tempo médio de permanência no sistema é de 1,39min, e o tempo médio de espera em
fila no sistema é estimado em 0,756min.
2. O custo do sistema de fila pode ser calculado por:
ETC1 2, 15 4 3, 5 10, 69 8, 60 37, 41 46, 01
ETC2 1, 95 3 3, 5 3, 95 5, 85 13, 84 19, 69
ETC3 3, 10 5 3, 5 3, 35 15, 50 11, 74 27, 24
ETC4 C x 4 s4 CU 4 NS4
ETC4 2, 05 3 3, 5 7, 03 6, 15 24, 59 30, 74
ETCTOTAL 46, 01 19, 69 27, 24 30, 74 123, 68
O custo total do sistema de filas é de R$123,68/min. Verifica-se que, desse valor, R$36,10/min
referem-se à operação do sistema, e o restante, R$87,58, referem-se ao custo de espera na fila.
308
3. Depois de implementar os cálculos de fila no Excel e aplicar o Solver, descobre-se que as quantidades
ótimas encontradas são como as apresentadas na tabela a seguir.
Etapa 1 Etapa 2 Etapa 3 Etapa 4 Série de fila

s 6 4 5 4
ρ 0,60 0,56 0,60 0,64 0,99
P0 0,02601 0,09881 0,04665 0,06751 0,0000081
NF 0,30 0,31 0,35 0,62 1,58
NS 3,895 2,56 3,35 3,19 13,00
TF
0,016 0,017 0,020 0,034 0,088
(min)
TS
0,216 0,142 0,186 0,177 0,722
(min)
Cx R$12,90 R$7,80 R$15,50 R$8,20 R$44,40
Cu R$13,63 R$8,96 R$11,74 R$11,17 R$45,50
ECT R$26,53 R$16,76 R$27,24 R$19,37 R$89,90
Observa-se que a quantidade de postos de atendimento que leva ao custo ótimo é de 6 postos
na Etapa 1 (2 a mais do que o estado atual), 4 postos na Etapa 2 (1 a mais do que o estado atual),
5 postos na Etapa 3 (mesma quantidade que a atual) e 4 postos na Etapa 4 (1 a mais do que a
atual). O custo total encontrado fica em R$89,90, uma redução de R$33,78.
4. Inicialmente, precisamos calcular a taxa média de chegada e as taxas médias de atendimento

de cada etapa e processo.
1 unid 3600 s
Taxa média de chegada λ 124, 14 unid/h
29 s 1h
COSTANEIRA SUPERIOR
Serra Fita Horizontal
1 unid 3600 s
µSF _ CS 85,, 71 unid/h
42 s 1h
sSF _ CS 2
Refiladeira
1 unid 3600 s
µREF _ CS 72 unid/h
50 s 1h
sREF _ CS 3
Destopadeira
1 unid 3600 s
µDEST _ CS 65, 45 unid/h
55 s 1h
sDEST _ CS 3
309
COSTANEIRA INFERIOR
Serra Fita Horizontal
1 unid 36000 s
SF _ CI 60 unid/h
60 s 1h
sSF _ CI 3
Refiladeira
1 unid 3600 s
REF _ CI 102, 86 unid/h
35 s 1h
sREF _ CI 2
Destopadeira
1 unid 3600 s
DEST _ CI 72 unid/h
50 s 1h
sDEST _ CI 3
BLOCO CENTRAL
Serra Múltipla
1 unid 3600 s
SM _ BC 78, 26unid
d/h
46 s 1h
sSF _ CI 2
Destopadeira
1 unid 3600 s
DEST _ BC 80 unid/h
45 s 1h
sDEST _ BC 2
Com estes valores em mãos, basta aplicar o modelo de fila de séries sem bloqueio para M/M/s/
inf/FIFO. Na tabela a seguir, temos os resultados para a série de fila formada para a Costaneira
Superior.
Serra Fita Refiladeira Destopadeira Série de fila

ρ 0,72 0,57 0,63 0,99
P0 0,15997 0,16079 0,12841 0,0033028
NF 1,60 0,44 0,68 2,72
NS 3,05 2,16 2,58 7,79
TF (h) 0,013 0,004 0,006 0,022
TS (h) 0,025 0,017 0,021 0,063
310
Na tabela seguinte, temos os resultados para a série de fila formada para a Costaneira Inferior.
Serra Fita Refiladeira Destopadeira Série de fila

ρ 0,69 0,60 0,57 0,99
P0 0,10034 0,24732 0,16079 0,00399
NF 1,06 0,69 0,44 2,19
NS 3,13 1,90 2,16 7,19
TF (h) 0,009 0,006 0,004 0,018
TS (h) 0,025 0,015 0,017 0,058
Na tabela a seguir, temos os resultados para a série de fila formada para o Bloco Central.
Serra Múltipla Destopadeira Série de fila

ρ 0,79 0,78 0,985
P0 0,11537 0,12621 0,0146
NF 2,69 2,35 5,04
NS 4,28 3,90 8,17
TF (h) 0,022 0,019 0,041
TS (h) 0,035 0,031 0,066
Observe que as três linhas apresentam taxa de ocupação relativamente baixa, inferior a 80%,
e tempos de espera na fila também curtos, de poucos minutos ou, até mesmo, segundos. Este
sistema suporta uma elevação da carga de entrada com certa folga.
UNIDADE 5
1. A. A etapa de modelagem tem como fase inicial a coleta de dados que serão alimentados no
modelo. Se os dados não forem bons, a simulação apresentará resultados pouco confiáveis.
Podemos dizer que bons dados são aqueles que conseguem representar o comportamento do
sistema de maneira natural e com consistência. Em síntese, este processo se inicia com o levanta-
mento dos dados, com a análise estatística deles. Esta análise permite identificar os outliers que
poderão ser removidos, gerando um novo conjunto de dados com menor variabilidade. Este novo
conjunto é analisado, graficamente (histograma), e, então, atribui-se um modelo de dispersão
teórico para os dados da amostragem. O histograma deve apresentar uma quantidade de classes
que seja suficiente para que se identifique a variabilidade dos dados, por este motivo, alguma
técnica matemática pode ser aplicada para a identificação da melhor quantidade de classes.
2. E. Os testes de aderência servem para averiguar se os valores estimados pelo modelo teórico
de dispersão apresentam-se próximos aos valores dos dados obtidos pela amostragem do
sistema. Quanto mais próximos forem estes valores, melhor será a simulação, pois as respos-
tas do sistema simulado serão bem próximas da realidade que se espera. Os dois testes mais
comuns aplicados nesta etapa são o teste do qui-quadrado e o teste de Komolgorov-Smirnov,
ambos analisam a variabilidade das frequências acumuladas dos dados teóricos (do modelo) e
da amostragem, sendo o teste do qui-quadrado aplicado, geralmente, para os dados divididos
em classes e o de Kolmogorov-Smirnov para os dados analisados pela frequência individual que
aparecem. O teste do qui-quadrado deve ser aplicado para frequências superiores a 5, portanto,
se houver frequência menor, esta deve ser agrupada.
3. D. Analisando os dados apresentados, encontramos as estatísticas descritivas, conforme tabela

a seguir:
311
Média 317,77
Mediana 327
Mínimo 2
Máximo 950
Os quartis encontrados e a amplitude são:

Q1 = 245 e Q3 = 327. A = 145,5
Outliers moderados:
Inferior = 26,75 e superior = 608,75
Outliers extremos:
Inferior = - 191,5 e superior = 827
4. A. Pela análise dos outliers extremos, um dado que pode ser desprezado é 950, que está acima
de 827. Não há nenhum valor abaixo do outlier extremo inferior, no entanto mais três valores
estão em suspeita, 2, 15 e 25 minutos. Como o motorista do veículo disse que não é possível fazer
o percurso em menos de meia hora (30min), podemos desconsiderar mais estes três pontos,
portanto, quatro valores são rejeitados: 2, 15, 25 e 950. Com isso, ficamos com 96 valores para
uma nova análise da estatística descritiva, conforme tabela a seguir:
Média 320,68
Mediana 329,5
Mínimo 60
Máximo 510
Coeficiente de Assimetria -0,17
5. D. Para dividirmos os dados em classes, podemos aplicar a regra de Sturges:
K 1 3, 3 log10 n
Para um n = 96 valores, K = 7,54 ou, aproximadamente, 8. Então, teremos oito classes cujo
tamanho pode ser definido por:
Amplitude da amostra 450

=h = = 56, 3
K 8
A primeira classe será para valores menores ou iguais a 60+56,3 = 116,3 (≤ 116,3), a segunda
classe será para valores maiores do que 116,3 e menores ou iguais a 172,6 (116,3 < x ≤ 172,6), a
terceira classe será para valores maiores do que 172,6 e menores ou iguais a 228,9 (172,6 < x ≤
228,9), da mesma maneira são separadas as demais classes. Utilizando a ferramenta de análise de
dados para construção do histograma, obtemos a seguinte tabela de frequências e histograma:
312
Figura 1 - a) Distribuição das classes do histograma; b) Imagem do histograma / Fonte: o autor.
Descrição da Imagem: na figura, aparece, do lado esquerdo, uma parte de planilha com a coluna A contendo as classes do
histograma, e, na coluna B, a frequência. Na coluna A aparecem, a partir da linha 2, os números 116,3, 172,6, 228,9, 285,2,
341,5, 397,8, 454,1, 510 e, abaixo, a palavra Mais. Na coluna B, a partir da linha 2, aparecem os números 2, 5, 11, 17, 22, 18, 11,
10 e 0. Do lado direito, na Figura b, aparece a imagem do histograma com o eixo y contendo a Frequência e o eixo x as Classes.
Observando o histograma, verificamos que uma boa opção de modelo de distribuição é o mo-
delo de Normal:
f(x)
x
μ
Figura 2 - Distribuição normal / Fonte: o autor.
Descrição da Imagem: na figura, aparece a imagem gráfica da distribuição normal com o eixo y representado por f(x), o eixo x
representado por x e no centro do eixo x está escrito a letra grega μ. A curva inicia-se baixa do lado esquerdo e vai se elevando
até o centro do eixo x e decresce novamente.
Os parâmetros do modelo são a média (μ = 320,68), e a variância (σ2 = 9587,34), portanto, o

modelo fica na forma:
2
x 320,68
1 29587,34
f ( x) e
97, 91 2p
313
UNIDADE 6
1. A. Para os dados de chegada de funcionários ao almoxarifado, é possível ajustar uma distri-
buição de probabilidade Lognormal, com a forma 0,999+LOGN (51,4; 370). Para os dados de
atendimento no almoxarifado, a melhor distribuição de probabilidade foi a Beta, na forma
34*BETA (0,811; 1,85).
2. D. Esse sistema poderia ser representado da seguinte maneira no ARENA:
Descrição da Imagem: na imagem, aparece o modelo do exemplo 2 estruturado no Arena. Estão dispostos três módulos do
modelo, da esquerda para a direita, está um módulo Create com nome Funcionários, conectado a um módulo Process com
nome Almoxarifado, que está conectado a um módulo Dispose com nome Liberação Funcionário. Aparece o número zero
abaixo de todos os módulos e, acima do módulo Almoxarifado, aparece uma linha horizontal.
Substituindo os modelos de probabilidade encontrados para o processo de chegada de funcio-

nários e para o processo de atendimento do almoxarifado, considerando cinco replicações e
variando os tempos simulados, encontramos as informações apresentadas na tabela a seguir.
Informação 36000 360000 720000

Tempo médio na fila (TF) 13,67min 13,48min 13,7
Tamanho médio da fila (NF) 0,31 0,26 0,26
Taxa de utilização (ρ) 0,25 0,20 0,20
Total de funcionários que saíram do sistema 755 6278 12980
Pode-se observar que um tempo de simulação de 360000 minutos ou 6000h é o suficiente para
estabilizar os valores dos parâmetros e que, em média, cada funcionário gasta 13,5 minutos
na fila formada por 0,26 funcionários/minuto ou 15,60 funcionários/hora. A taxa média de uti-
lização do almoxarife é de 0,20, ou seja, 20% para esta atividade. Neste processo de simulação,
passariam pelo almoxarifado cerca de 6278 funcionários.
3. D. Para os dados de tempo de chegada das peças a distribuição encontrada foi a exponencial
na forma EXPO (11), para os tempos de processamento da máquina 1, a distribuição encontra-
da foi exponencial, na forma EXPO (7,8), e, para os tempos de processamento da máquina 2, a
distribuição encontrada foi lognormal, na forma LOGN(0,979; 1,29). O modelo implantado no
ARENA fica na forma:
Descrição da Imagem: na imagem, aparece o modelo do exemplo 3 estruturado no Arena. Estão dispostos quatro módulos
do modelo. Da esquerda para a direita, está um módulo Create com nome Entrada de peças, conectado a um módulo Process
com nome Posto 1, que está conectado a um módulo Process com nome Posto 2, que está conectado a um módulo Dispose
com nome Saída de peças. Aparece o número zero abaixo de todos os módulos e, acima dos módulos Posto 1 e Posto 2,
aparece uma linha horizontal.
314
Os parâmetros para este sistema seriam dados por:
Informação 360000
Tempo médio na fila (TF) 19,06s
Posto 1 - Máquina 1 Tamanho médio da fila (NF) 1,73
Taxa de utilização (ρ) 0,71
Total de peças que saíram do sistema 32839
4. D. Se a distribuição de probabilidade que representa os dados de processamento da máquina

2 mudasse para a exponencial de média 5, então, os novos parâmetros seriam:
Informação 360000
Total de peças que saíram do sistema 32835
UNIDADE 7
1. Executando a simulação, encontramos uma quantidade média de chegada de blocos para trans-
formação de peças de 4.701 unidades, e saem do processo 4.695 peças. O relatório, também,
apresenta um tempo médio de processamento de 9,72 min (VA Time), um tempo médio na Fila
de 8,34min (Wait Time), um tempo médio de transferência de 6,5min (Transfer Time), configu-
rando um tempo médio total 24,56min para a saída de uma unidade de peça. Os parâmetros
de fila são apresentados na tabela a seguir:
Processo Tempo médio (min) Número médio (unid)

Corte 1,71 0,47
Dobramento 1,95 0,53
Prensagem 0,89 0,24
Tratamento Térmico 3,78 1,03
Na tabela seguinte, são apresentadas as taxas de ocupação de cada recurso utilizado.
Processo Ocupação (%)

Serra 59,93
Máquina de Dobra 73,40
Prensa 62,59
Forno 68,35
315
2. A alteração realizada no processo leva a uma simulação em que entram, em média, 4.679
unidades de bloco, e saem, em média, 4.674 unidades de peças. Comparando ao processo do
Exercício 1, podemos calcular a receita dos dois casos, sendo:
Re ceita Ex1 4.695 R$6, 80 R$31.926, 00
Re ceita Ex2 4.674 R$6, 80 R$31.783, 20

Desta maneira, observa-se que haverá uma redução da quantidade de peças produzidas, e a re-
ceita, que era de R$31.926,00, reduz-se a R$31.783,20, uma redução mensal de R$142,80 por mês.
3. Ao executar a simulação, é verificado que entram 73 peças de tecido equivalentes a uma calça, e
saem 27 peças de calça. O tempo de processamento de cada unidade de calça está em 39,98min,
com um tempo médio de fila de 199,65min, um tempo médio de transferência de 7min, per-
fazendo um total de 246,63min. Ao final das 12h de trabalho diário, sobram 17 unidades no
processo de Corte, 27 unidades, no processo de Costura, e 1 unidade no Processo de Inspeção.
Os parâmetros de fila são apresentados, na tabela a seguir.

Corte 82,23 8,29
Costura 168,14 12,82
Inspeção 0,00 0,00

Corte 100,00
Costura 98,00
Inspeção 7,69
UNIDADE 8
1. Os relatórios da simulação mostram que os 80 pedidos de camisas entram no sistema produtivo,
passando pela mesa de Corte. Praticamente, os 80 pedidos entram na Costura, saindo apenas
37 pedidos. Estes seguem para Inspeção, destes, quatro seguem para reparo, os demais vão
para a Embalagem. Das peças reparadas, três seguem para a Embalagem, e saem da Embala-
gem 35 peças prontas de camisas. Os parâmetros da fila de cada processo são apresentados
na tabela a seguir:

Corte 234,56 39,09
Costura 121,02 20,61
Embalagem 0,28 0,02
Reparo 0,08 0,00
316

Mesa de Corte 98,07
Máquinas de Costura 98,43
Inspetor 53,60
Embaladores 52,40
Reparadores 20,13
2. Dobrando a capacidade da Costura, os relatórios da simulação mostram a entrada dos 80 pe-

didos de camisas passando pela mesa de Corte, chegando, em média, 79 pedidos na Costura,
saindo, apenas, 73 pedidos. Estes seguem para Inspeção, saindo 65 unidades, destas, cinco
seguem para reparo, os demais vão para a Embalagem. Das peças reparadas cinco seguem
para a Embalagem, e saem da Embalagem 61 peças prontas de camisas. Os parâmetros da fila
de cada processo são apresentados na tabela a seguir:

Corte 236,83 39,57
Costura 11,43 1,92
Embalagem 7,48 1,02
Reparo 3,70 0,05

Mesa de Corte 98,88
Máquinas de Costura 193,45
Inspetor 95,39
Embaladores 89,55
Reparadores 31,33
Observe que as taxas de ocupação do Inspetor, Embaladores e Reparadores aumentou, apa-

recendo 193,45% para a Costura, por serem duas máquinas, logo, 96,73% para cada máquina.
3. Com 10h de produção, haverá a retirada de 78 unidades prontas, duas camisas ficam paradas
na Embalagem, última etapa do processo, logo podemos considerar que as 80 peças foram
produzidas e estão praticamente prontas para venda. Desta maneira, os custos e a margem de
contribuição ficam:
Custo de produção = Custo sem reprocesso + Custo com reprocesso

Custo de produção = 74× R$35, 00 + 6× R$80, 00
Custo de produção = R$3.070, 00
Margem de contribuição = Receita - Custo = 80× R$90, 00 - R$3.070, 00

Maargem de contribuição = R$7.200, 00 - R$3.070, 00 = R$4.130, 00
317
4. Com a nova máquina, continuam saindo 78 unidades da Embalagem, com duas em processo de
embalagem durante o dia de trabalho, assim, consideraremos 80 unidades prontas para venda.
A quantidade de camisas que seguem para reparo foi reduzida para quatro, sendo assim, os
novos cálculos financeiros ficam:
Custo de produção = Custo sem reprocesso + Custo com reprocesso

Custo de produção = 76× R$38, 00 + 4× R$83, 00
Custo de produção = R$3.220, 00
Margem de contribuição = Receita - Custo = 80× R$90, 00 - R$3.220, 00

Maargem de contribuição = R$7.200, 00 - R$3.220, 00 = R$3.980, 00
Note que, neste caso, a substituição da máquina não terá impacto positivo, pois a margem de
contribuição será reduzida de R$4.130,00 para R$3.980,00, uma redução de R$150,00.
UNIDADE 9
1. A simulação mostra que, em média, nos 900min, entram no sistema 83 peças, e saem 33, a fila do
transportador para movimentar do Almoxarifado até a máquina A é de 252min, com 24,93 unidades
na fila, a fila da Máquina 1 é de 4,32min, com um número médio de 0,17unid. Há, também, fila no
transportador entre as máquinas A e B, com 7,05min e 0,27 unidades, além da fila do transportador
entre a máquina B e o Estoque de 13,26min e 0,5 unidades na fila. A taxa de ocupação da Máquina
A é de 47,31% e da Máquina B de 47,37%. A ocupação do transportador está em 99,97%.
2. O uso de dois transportadores permite que entrem no sistema 89 peças, e saiam 65 peças, reduzindo
a fila no transportador de entrada no processo para 78,6min e 8,22 unidades, em média. A taxa de
ocupação da Máquina A aumentou para 90,84%, e da Máquina B para 92,47%, e a ocupação dos
transportadores fica em 98,39%.
3. Para produzir mais de 80 peças, diariamente, deverá ser feita uma modificação nos processos de
atendimento, ou seja, nos processos da Máquina A e da Máquina B, pois a ampliação da quantidade
de transportadores apenas tornará o transporte mais rápido, modificando a fila e a fazendo prevalecer
na entrada de cada máquina.
318
319
320

Simulação de Processos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Simulação de Processos

Enviado por

Direitos autorais:

Formatos disponíveis

Simulação

ACESSE AQUI O SEU

NEAD - NÚCLEO DE EDUCAÇÃO A DISTÂNCIA

C397 CENTRO UNIVERSITÁRIO DE MARINGÁ.

Simulação de Processos Produtivos. Fernando Pereira

1. Simulação 2. Processos 3. Produtivos 4. EaD.

CDD - 22 ed. 658.4

NEAD - Núcleo de Educação a Distância

São mais de 800 títulos de livros didáticos

Aprendemos e escrevemos juntos esta belíssima

Olá, meu nome é Fernando, sou Engenheiro Químico e adoro

Aqui você pode

Professores especialistas e convidados, ampliando as discussões sobre os temas.

Ao longo do livro, você será convidado(a) a refletir, questionar e transformar. Aproveite

Com este elemento, você terá a oportunidade de explorar termos e palavras-chave do

Quando identificar o ícone de QR-CODE, utilize o aplicativo Unicesumar

Olá, estudante, na primeira unidade do livro Simulação de Processos

Na mesma época de Erlang, um matemático russo chamado Andrei Andreyevich

Fonte de Entrada Clientes Fila Mecanismo de Atendimento Clientes Atendidos

População Clientes Fila Guichê da Lotérica Clientes Atendidos

Operação Peças Peças Soldadas

Figura 9 - Sistema de filas com múltiplas filas e múltiplos servidores em paralelo

λ = 10 veículos por minuto

A função f(t) representa a função distribuição de probabilidade para a variável t, e λ é o

Ou seja, o primeiro que entra é o primeiro que sai. Nesta disciplina, o

O último que chega é o primeiro que sai. Esta disciplina é o contrário da

O atendimento por prioridade segue as regras estabelecidas pela gerên-

É o tipo de disciplina que faz o atendimento de forma randômica (alea-

Quadro 1- Disciplinas da Fila / Fonte: o autor.

• Canais ou postos de atendimento (servidores): os locais físicos onde ocorrem os atendimen-

em termos práticos, ambas têm significado estatístico semelhante, representando, basicamente,

Em posse destes dados, avalie o problema apresentando a taxa média de chegada

Desta forma, identificamos que o índice de chegada, ou seja, o tempo médio de

Antes de seguirmos, convido você, caro(a) aluno(a), para ouvir nosso

Os valores da linha do momento indicam que o cliente 1 chegou no minuto 4, o cliente

minuto de atendimento), ele deixa o caixa livre. O cliente 2 chega no minuto 6, é

Nesta análise, subtende-se que, em um intervalo de tempo de 33 minutos, o caixa

Retomando aquele problema dos caixas de supermercado apresentado no início da

2- Formação de fila antes

1- Presença de clientes vindos

2. O supervisor de uma fábrica está analisando o sistema de pintura eletrostática a pó,

Analisando o problema, segundo a Teoria das Filas, leia as afirmações apresentadas:

É correto o que se afirma em:

Utilizando os dados da Tabela 1, avalie o problema, apresentando a taxa média de chegada

Olá, caro(a) estudante, nesta segunda unidade do livro Simulação de

Já conversamos sobre a formação de filas, na

I. Apenas um elevador funcionando, sem paradas intermediárias;

II. Os dois elevadores funcionando, sem paradas intermediárias;

III. Os dois elevadores funcionado com paradas intermediárias.

Pn (t ) = Probabilidade de n clientes estarem no sistema de fillas no instante t;

Pn = Probabilidade de exatamente n clientes se encontrarem no

Algumas relações entre os parâmetros de desempenho foram observadas e provadas, matematicamente,

Os cálculos mostram, então, que o número de clientes na fila é de 2,25 a cada

Sendo assim, utilizando as relações já vistas, os parâmetros taxa média de chegada de

Observamos, então, que a taxa de chegada de caminhões no britador é de 0,5 cami-

As distribuições de tempo mais comuns para representar A e B são apresentadas a seguir:

D : Distribuição determinística ou degenerada, para comporrtamento aleatório;

Hipótese1: Dado N (t )  n, a distribuição probabilística atual do tempo remanescente até o próximo

Hipótese 2: Dado N (t )  n, a distribuição probabilística atual do tempo remanescente até a próxima

n  n  1 (um único nascimento)

Observe que o processo de nascimento-e-morte baseia-se no comportamento exponencial dos dados

Estado taxa que entra = taxa que sai

Como o somatório das probabilidades é unitário (1)

Todos os parâmetros de desempenho do sistema de filas, quando representados

Hipótese1: Dado N (t ) n, a distribuição probabilística atual do tempo remanescente até o próximo

Hipótese 2: Dado N (t ) n, a distribuição probabilística atual do tempo remanescente até a próxima

n n 1 (um único nascimento)

Pn Probabilidade de haver n clientes no sistema Pn

ETC1 600 1 1008 8, 50 9.168, 00