Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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:
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
Servidor 1
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?
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
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!!!