MODELAGEM E SIMULAÇÃO DA

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

 Questionário de revisão:
1. Qual a diferença entre a resolução de problemas pelo modo matemático clássico e a
simulação de Monte Carlo?
2. O que são números aleatórios e números pseudo-aleatórios?
3. Para que serve a semente nos números pseudo-aleatórios?
4. Quais os passos necessários para o estudo de simulação de Monte Carlo?
SIMULAÇÃO

TEORIA DAS FILAS

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

População Fila
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 A chegada de clientes acontecem geralmente em momentos ti (sendo i = 0, 1, ..., n),
em que t0 < ti < ... < tn;
 Por exemplo, imaginemos que o momento de chegadas de clientes em uma loja foram
os seguintes:
Cliente (i) Momento de chegada (ti)
1 09:00:15
2 09:00:20
3 09:01:40
4 09:02:05
5 09:02:15
6 09:02:55
7 09:03:20
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 A variável aleatória rk = tk – tk-1 (em que k ≥ 1) é chamada de intervalo de
chegada;
 Os intervalos de chegada do exemplo da loja são:
Cliente (i) Momento de chegada (ti) Intervalo de chegada (rk) em
segundos
1 09:00:15 -
2 09:00:20 5
3 09:01:40 80
4 09:02:05 25
5 09:02:15 10
6 09:02:55 40
7 09:03:20 25
SIMULAÇÃO
 Padrão de chegada de cliente ( ou IC)
 Caso o intervalo temporal de análise seja fixo (ou seja contando o número de
cliente que chegou nesse intervalo) utiliza-se o ritmo de chegada ().
 Inverso ao intervalo de chegada;
 O ritmo de chegada por minuto para o exemplo da loja foi:

Minuto Ritmo ()

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

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

População Fila Servidor

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

Servidor 1

População Fila Servidor 2

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

População Fila

Servidor 2

Servidor 3

População Fila

Servidor 4
 SIMULAÇÃO
 Variáveis Aleatórias Fundamentais (valores esperados)

Número de atendentes
(capacidade)
Número de
clientes na fila
Número de clientes em
atendimento

Número de
clientes no sistema
Tempo no sistema
SIMULAÇÃO
 Variáveis Aleatórias Fundamentais
 Para o caso de “uma fila / um atendente”, chamamos de taxa de utilização do
atendente a expressão
=/
 No caso de “uma fila / vários atendentes”, a expressão se torna:
=/c
  representa a fração média do tempo em que cada servidor está ocupado. E
apresenta o número mínimo de atendentes necessários para atender a um dado
fluxo de tráfego.
 Exemplo
 Se  = 10 clientes/hora e TA = 3 minutos, qual será a intensidade de tráfego? 0.5 ou 50% → 1 atendente
 Se o fluxo de chegada aumentar para  = 50 clientes/hora, qual vai ser a intensidade de tráfego?
2.5 ou 250% → 3 atendentes
SIMULAÇÃO
 Exemplo
 Qual a taxa de utilização de um atendente, se chegam 4 clientes por hora e se o
atendente tem capacidade de atender 10 clientes por hora?

0.4 ou 40%

E se os valores forem
invertidos?
SIMULAÇÃO
 Relações matemáticas elementares
 NS = NF + NA;
 TS = TF + TA;
 NA =  / = TA/IC;
 NS = NF + NA = NF + (/) = NF + (TA/IC);
 NS = TS (Fórmula de Little).
SIMULAÇÃO
 Exemplo
 Em uma fábrica observou-se o funcionamento de um dado setor, em que  = 20 peças
por hora,  = 25 peças por hora e TS = 0,3 hora. Qual o tamanho médio da fila? Qual
o número médio de peças no sistema e o número médio de peças no atendimento?
Qual o mínimo de equipamentos necessários? E se dobrarmos o fluxo de entrada de
peças?

Tamanho médio da fila = 5,2 peças

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

Sistema (Fila + Atendimento)

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

Nome Descrição Fórmula

NF Número médio de clientes na 2
NF =
fila  ( −  )
NS Número médio de clientes no 
NS =
sistema  −
TF Tempo médio na fila 
TF =
 ( −  )
TS Tempo médio no sistema 1
TS =
 −
Pn Probabilidade de existirem n  
Pn = (1 − )( ) n
clientes no sistema  
SIMULAÇÃO
 Exemplo
 Suponhamos que as chegadas a uma cabine telefônica obedecem a lei de Poisson, com
ritmo de 6 chegadas por hora. A duração média do telefonema é de 3 minutos e
suponhamos que siga a distribuição exponencial. Pede-se:
 A probabilidade de uma pessoa chegar à cabine e não ter que esperar; 70%
 O número médio de pessoas na fila; 0.12 pessoa
 O número médio de pessoas no sistema; 0.42 pessoa
 O número médio de clientes usando o telefone; 0.30 pessoa
 O tempo na fila; 0.02 hora ou 1.2 minutos
 Para qual ritmo de chegada teríamos a situação em que o tempo médio de espera na fila seria de
3 minutos? 10 chegadas/hora
 A fração do dia durante o qual o telefone está em uso. 30%
SIMULAÇÃO
 Exemplo (ChatGPT com adaptação)
 Uma fábrica possui uma estação de trabalho onde são realizados testes de qualidade
em produtos. A taxa média de chegada de produtos para serem testados é de 5 por
hora e o tempo médio de serviço para cada produto é de 10 minutos. Supõe-se que o
sistema de fila siga um modelo m/m/1. Responda:
1. Qual é a taxa de serviço da estação de trabalho?
2. Qual é a taxa de utilização da estação de trabalho?
3. Qual é o número médio de produtos na fila?
4. Qual é o número médio de produtos no sistema (na fila e em serviço)?
5. Qual é o tempo médio de espera na fila?
6. Qual é o tempo médio de espera no sistema (na fila e em serviço)?
7. Quais esses valores para o dobro da demanda? O que você faria como Engenheiro de
Produção?
SIMULAÇÃO
 Modelos M/M/1
 População finita
 Notação K (Tamanho da população)

NF
2

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

NS Número médio de clientes no NS = K −

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

TS Tempo médio no sistema TS =

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

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

ATÉ BREVE!!!