Apostila - Teoria de Filas Mauá

INSTITUTO MAUÁ DE TECNOLOGIA Centro Universitário
Escola de Engenharia Mauá

MAUÁ Escola de Administração Mauá
Centro de Educação Continuada
Centro de Pesquisas
EPM103
Pesquisa Operacional II
Teoria das Filas
Elaboração: Afonso Celso Medina

Revisão: Prof. Leonardo Chwif
Prof. Wilson I. Pereira
Fevereiro, 2013
EPM103 (2013) Teoria das Filas
Teoria das Filas
1. Introdução
Você se lembra da última vez em que perdeu parte do seu precioso tempo aguardando
em uma fila? Talvez tenha sido no supermercado, no banco, no caixa eletrônico, no
trânsito, no restaurante ou mesmo na Internet (esperando por atendimento on-line ou
em algum servidor de jogos...). Para a maioria das pessoas, o tempo gasto em uma fila
vai do "indesejável" ao "isto é um absurdo! Será que eles não poderiam colocar mais
funcionários atendendo?".
No início do século XX, Agner Krarup Erlang, um engenheiro de telecomunicações di-
namarquês, iniciou o estudo do congestionamento e dos tempos de espera para a reali-
zação de ligações telefônicas, iniciando assim a chamada Teoria das Filas. A teoria
das filas não é um método de otimização estrita (como a programação linear, por
exemplo), mas sim, uma ferramenta que se preocupa com a elaboração e a solução de
modelos matemáticos que representem analiticamente o processo de formação de fila.
Os modelos da teoria das filas procuram fornecer informações como:
 Tempo médio de espera de um elemento em fila;

 Tempo médio de permanência de um elemento no sistema;
 Número médio de elementos no sistema e na fila;
 Nível médio de ocupação do sistema de atendimento;
 Probabilidade de formação de fila.
E outras características menos agregadas, tais como:
 Distribuição estatística do tempo de espera em fila;

 Distribuição estatística do número de clientes no sistema.
O procedimento para o estudo de um problema de fila pode ser resumido em 4 etapas:
 Identificar e relacionar as variáveis que condicionam o problema;

 Identificar as distribuições probabilísticas dos processos de chegada e atendimento
das entidades;
 Aplicar a teoria das filas ou técnicas de simulação probabilística;
 Analisar as respostas e modificar os parâmetros do problema, buscando verificar
as alterações na operação do sistema.
2
2. Processos de chegadas e de atendimento
Uma constatação óbvia de quem vai ao banco: em certos dias do mês, próximos às da-
tas de pagamento de salários, a fila do banco é maior porque um número maior de pes-
soas resolveu ir ao banco simultaneamente. É fácil constatar que o comportamento da
fila do banco é influenciado pelo processo de chegada de clientes (de quanto em quanto
tempo um novo cliente entra no banco). Por outro lado, você sempre reclama daquele
famoso banco que tem poucos caixas de atendimento e percebe que, com mais caixas ou
com caixas mais modernos, o seu tempo de espera no banco seria menor. De fato, o
comportamento da fila também é influenciado pelo processo de atendimento nos servi-
dores (quanto tempo dura o atendimento de cada cliente em cada caixa).
Para estudarmos uma fila, devemos caracterizar tanto o processo de chegada de clien-
tes, quanto o processo de atendimento dos clientes nos servidores. Isto é feito por meio
da identificação das distribuições de probabilidades que regem esses processos. Para
que isso seja possível, devemos fazer inicialmente uma coleta de dados sobre os inter-
valos de tempo entre chegadas e os tempos de atendimento em cada servidor. Em se-
guida, podemos elaborar tabelas de freqüências acumuladas para as distribuições ob-
servadas dos intervalos entre chegadas e dos tempos de atendimentos (admite-se que
as médias dos tempos de atendimento já foram testadas estatisticamente e rejeitou-se
a hipótese de que as médias sejam diferentes).
Para a aplicação da teoria das filas é interessante, mas não necessário, que as distri-
buições observadas tenham um modelo teórico associado (exponencial, Erlang, unifor-
me ou normal, entre outras). Assim, devemos proceder a um teste de aderência para
verificarmos qual modelo teórico melhor se adapta à distribuição observada. Um dos
testes estatísticos de aderência mais utilizados é o do qui-quadrado, apresentado re-
sumidamente no apêndice A desta apostila. Na prática, este tipo de análise é feita em
softwares específicos (Stat::Fit, por exemplo), que realizam outros testes de aderência
além do teste do qui-quadrado, como o de Kolmogorov-Smirnov.
Exercício
1) Os dados disponíveis na planilha "Teoria das Filas - dados.xls" (à disposição no sítio

da disciplina), representam os intervalos de tempo entre chegadas sucessivas de clien-
tes em um banco e os respectivos tempos de atendimento. Os valores fornecidos permi-
tem concluir que as grandezas em questão são variáveis aleatórias com distribuição
exponencial? Como é possível fazer esta verificação?
3. Disciplina de serviço
Ao entrar em um sistema de filas, um cliente poderá ter que esperar em fila por algum
tempo até que um servidor esteja disponível para atendê-lo. Contudo, nem sempre os
clientes são atendidos na ordem de chegada já que as filas são sempre regidas por al-
gumas regras de funcionamento, denominadas disciplinas de serviço. Entre as dis-
ciplinas comumente utilizadas, destacam-se:
3
 FCFS (first come, first served) – primeiro a chegar, primeiro a ser atendido: os cli-
entes são atendidos na ordem em que chegam. Trata-se da disciplina mais comum em
sistemas que envolvem pessoas. Quando alguém "fura a fila", está desrespeitando a
regra FCFS (e deveria ser sumariamente enforcado);
 FCLS (first come, last served) – primeiro a chegar, último a ser atendido. Aparen-
temente pouco comum, esta regra "comanda" diversos sistemas de armazenamento e
estocagem (mesmo quando não é a estratégia mais adequada);
 SIRO (served in random order) – atendimento aleatório dos elementos em fila;
 GD (generic discipline) – disciplina genérica de atendimento.
4. Estrutura do sistema
A estrutura mais simples de um sistema de filas é composta por uma fila e um único
servidor, como representado na Figura 1.
Servidor
Saída
Chegada
de clientes
Clientes em fila
Figura 1 - Sistema com uma fila e um servidor
Uma estrutura mais próxima daquela encontrada em agências bancárias é mostrada

na Figura 2. Neste caso, existe uma fila única de clientes que são atendidos por um dos
servidores disponíveis (em paralelo).
Servidores
Saída
Chegada
de clientes
Clientes em fila
Figura 2 - Sistema com uma fila e vários servidores em paralelo
Em sistemas de manufatura, várias peças (clientes) podem entrar em um sistema

composto por diversas máquinas (servidores). Cada peça segue, então, um caminho
próprio dentro do sistema. A peça pode passar pelo torno mecânico, a seguir pela fura-
4
deira e, por último, pela máquina fresadora. Cada máquina tem a sua própria distri-
buição do tempo de atendimento e a peça pode esperar em alguma fila antes de ser
atendida por cada uma das máquinas. Um sistema deste tipo forma uma rede de fi-
las, como exemplificado na Figura 3. Apesar da sua importância, a obtenção de resul-
tados analíticos para este tipo de sistema é extremamente difícil e não faz parte do
escopo deste material.
Servidores
Saída
Chegada
de clientes
Clientes
Figura 3 - Sistema de fila com servidores em série
5. Notação de Kendall-Lee
A caracterização de um sistema de fila é dada pela notação de Kendall-Lee, que carac-

teriza o sistema por uma sigla com até 6 informações
(a/b/c):(d/e/f)
onde:
a: indica o processo de chegadas dos elementos aos postos de atendimento, definido

pela distribuição estatística do intervalo entre chegadas entre elementos. São utili-
zadas as seguintes abreviações padronizadas:
M = os intervalos de tempo entre chegadas sucessivas são variáveis aleatórias in-

dependentes, identicamente distribuídas (iid) com distribuição exponencial;
D = os intervalos de tempo entre chegadas sucessivas são iid e determinísticos;
Ek = os intervalos de tempo entre chegadas sucessivas são variáveis aleatórias iid
com distribuição Erlang de parâmetro k;
G = os intervalos de tempo entre chegadas sucessivas são variáveis aleatórias iid
com distribuição genérica;
b: indica o processo de atendimento dos elementos em cada posto de serviço, definido

pela distribuição estatística do tempo de serviço, com as mesmas abreviações utili-
zadas para os tempos entre chegadas sucessivas;
c: é o número de postos de serviço (atendimento em paralelo);
5
d: é a disciplina de atendimento dos elementos da fila, de acordo com a descrição feita

na seção 3: FCFS, LCFS, SIRO e GD.
e: é o número máximo de elementos permitido no sistema (fila + postos de serviço). Por
exemplo, a limitação da área da baía de espera em um porto obriga que os navios
excedentes busquem refúgio em portos próximos, desistindo de esperarem em fila
naquele local;
f: é o número de elementos que freqüentam o sistema. No caso de terminais privados,
como o da Petrobrás, por exemplo, o número de navios que lá atracam é finito e co-
nhecido. No caso de terminais portuários públicos, pode-se considerar o número de
navios que lá freqüentam como infinito, ou seja: o processo de chegadas não é influ-
enciado pela população de navios que freqüentam o terminal.
Convém mencionar que, em muitas situações, a fila é especificada apenas pelo primei-
ro termo (a/b/c), pois se admite que o primeiro cliente a chegar é o primeiro a ser
atendido, não há limitação na capacidade do sistema e a população é infinita.
Por exemplo, a notação M/G/3/FCFS/5/, representa um sistema em que:
- Os tempos entre chegadas sucessivas são exponencialmente distribuídos;

- Os tempos de atendimento seguem uma distribuição genérica;
- Existem três servidores que podem realizar atendimento;
- A disciplina de serviço é a do primeiro a chegar – primeiro a ser atendido;
- No máximo 5 clientes podem estar no sistema simultaneamente;
- O número de clientes que podem freqüentar o sistema é infinito.
Exercício
2) Identifique textualmente as seguintes filas:

a) M/M/1
b) M/M/2/5
c) E2 /E3 /s
6. Regime transitório vs. estado estacionário
Considere, por exemplo, a lanchonete da faculdade. O proprietário deseja determinar

quantos caixas de pagamentos deve colocar à disposição dos seus clientes. Pela sua
experiência, ele sabe que existem horários de pico de atendimento (almoço ou jantar),
em que a taxa de chegadas de clientes aumenta repentinamente. Em uma situação
como essa, fica a dúvida: o sistema deve ser estudado em um intervalo de tempo curto
(somente os horários de pico) ou longo (todo o dia)?
A resposta para esta pergunta depende de uma análise empírica dos dados. Se a varia-
ção da taxa de surgimento de clientes for alta a ponto de comprometer os valores mé-
dios, de fato, a análise forçosamente deverá ser realizada para um período curto de
tempo. Contudo, em intervalos de tempo menores o estado inicial do sistema pode afe-
tar diretamente o seu comportamento médio. No caso do restaurante, por exemplo, se
já existia alguma fila de atendimento às 11h 30min (início do horário do almoço), essa
6
fila pode nunca se dissipar ao longo da próxima hora, afetando diretamente o desem-
penho do sistema dentro do período de análise. Neste caso, o sistema deve ser analisa-
do no seu regime transitório, que é o período em que o sistema é dependente das su-
as condições iniciais.
Por outro lado, se as condições iniciais do sistema se dissipam, ou seja, o período de
análise é suficientemente longo para que as condições iniciais não afetem o comporta-
mento médio do sistema, a análise pode ser feita apenas para o estado estacionário.
Devido à natureza matemática do problema, o regime transitório é de análise extre-
mamente difícil e não será estudado neste trabalho.
7. Fórmula de Little
Considere qualquer sistema de filas em estado estacionário, onde:
 = taxa média de chegadas de clientes no sistema (clientes/unidade de tempo);

L = número médio de clientes no sistema (em fila + atendimento) (clientes);
W = tempo médio de permanência de um cliente no sistema (unidades de tempo).
Neste caso, a fórmula de Little é definida como:
L  W
Esta fórmula também pode ser escrita em função do número esperado de clientes na
fila (Lq) e do tempo médio de espera em fila (Wq) ou em função do número esperado de
clientes em atendimento (Ls) e do tempo médio de atendimento (Ws):
Lq  Wq ; Ls  Ws
Por exemplo, considere um sistema que recebe uma média de 30 clientes por hora. Se o
tempo médio de atendimento for de 5 minutos, temos:   30 clientes/h e W = 5/60 h.
Portanto, o número esperado de clientes neste sistema será de:
5
L  W  30  2 ,5 clientes.
60
8. Definições básicas
Algumas definições básicas são fundamentais para entendermos a teoria das filas.
8.1. Processo estocástico

Um processo estocástico  X t , t  T  é uma família de variáveis aleatórias. Isto é, pa-
ra cada valor t pertencente ao conjunto índice T, X(t) é uma variável aleatória. Como,
em muitos casos, t representa o tempo, é comum dizer que X(t) é o estado do processo
no instante t. Se T é um conjunto contável, diz-se que  X t , t  T  é um processo es-
tocástico em tempo discreto. Se T é um intervalo dos números reais, tem-se um proces-
so estocástico em tempo contínuo. O conjunto dos valores possíveis da variável aleató-
7
ria X t , t  T , é chamado de espaço de estados do processo. No caso de uma fila, são

de interesse os seguintes processos estocásticos:
a) N t  representa o número de clientes no sistema no instante t. É

 N t, t  0 , onde
um processo estocástico em tempo contínuo com espaço de estados contável, {0, 1, 2,...};
b)  N t, t  0 , onde
q Nq t  representa o número de clientes na fila no instante t;
c) X n , n  1,2 , , onde X n representa o número de clientes no sistema no instante
que em o cliente n acaba de ser atendido e deixa o sistema. É um processo estocástico
em tempo discreto com espaço de estados contável, {0,1,2,...};
d)  Wn , n  1 ,2 ,, onde Wn representa o tempo de permanência do cliente n no sis-
tema. É um processo estocástico em tempo discreto e o seu espaço de estados é o con-
junto dos números reais no intervalo [0,];
 
e) Wqn , n  1 ,2 , , onde Wqn representa o tempo de espera em fila do cliente n.
Se for possível estudar os processos estocásticos apresentados e determinar expressões

analíticas fechadas para as distribuições probabilísticas das variáveis aleatórias, para
qualquer valor de t ou n, será possível encontrar as já mencionadas informações im-
portantes sobre o processo de fila, como o número médio de clientes no sistema ou o
tempo médio de permanência no sistema. No entanto, a realidade é outra: somente
para um conjunto restrito de processos de fila se consegue obter resultados analíticos
e, mesmo para esses, a maioria dos resultados vale somente para o comportamento
limite ou assintótico, isto é para n   ou t  .
A seguir, serão apresentadas definições que irão caracterizar o conjunto de processos
estocásticos para os quais há possibilidade de se obter resultados analíticos.
8.2. Processo estocástico com incrementos independentes

Diz-se que um processo estocástico, em tempo contínuo  X t , t  T  tem incrementos
independentes se, para toda escolha t0  t1  t2  ...  tn , as n variáveis aleatórias
X t1   X t0 , X t2   X t1 ,, X tn   X tn1  são independentes.
8.3. Processo de Markov

Um processo estocástico  X t , t  T  é um processo de Markov se, para toda escolha
t0  t1  t2  tn  t, temos:
P X (t)  x / X (t0 )  x0 , X (t1 )  x1 ,...., X (tn )  xn   PX (t)  x / X (tn )  xn 
Ou seja, um processo estocástico é um processo de Markov se a probabilidade de um

evento futuro, X t  , condicionada aos estados passados, X t0 , X t1 , , X tn1  , e ao
estado presente, X tn  , é independente do passado. Neste caso, diz-se que "o processo
não tem memória". Esta falta de memória é responsável pela maior ou menor difi-
culdade no estudo dos processos de Markov. Por falar em falta de memória, convém
definir variável aleatória sem memória.
8
8.4. Variável aleatória sem memória

Considere x e h números positivos representando quantidades de tempo. Se X é uma
variável aleatória sem memória, vale a seguinte expressão:
P X  x  h / X  x  P X  h
Suponha, por exemplo, que a variável aleatória X é o tempo, medido em minutos, entre
duas chegadas sucessivas de clientes em um caixa eletrônico. No momento, são 8h e o
último cliente chegou às 7h 57 min. Logo, sabemos que X > 3. De posse dessa informa-
ção, qual é a probabilidade de que a próxima chegada ocorra após as 8h 05 min? Neste
caso, x = 3 min (=8h - 7h 57min) e h = 5 min (=8h 05min - 8h). Daí:
P X  8 / X  3  P X  5
Portanto, a probabilidade de que um cliente chegue após as 8h 05min é independente

do fato de que o último cliente tenha chegado às 7h 57min ou 8h.
Importante. A variável aleatória exponencial1 X, com função densidade de

probabilidade:
f ( x)   ex
e função de repartição:
x
F x    f t dt  1  e x
0
é a única variável aleatória contínua que não tem memória.
A característica de falta de memória faz com que a variável aleatória com distribuição
exponencial tenha um lugar de destaque no estudo de processos estocásticos, por ser,
freqüentemente, uma componente de um processo de Markov. Um estudo interessante2
demonstrou que os intervalos de tempo entre gols de jogos da copa do mundo (descon-
siderando os tempos entre um jogo e outro) são exponencialmente distribuídos com
média 1/ = 36,25 minutos. Ora, o senso comum diz que o fato de surgir um gol neste
momento, não aumenta ou diminui a probabilidade da ocorrência de um novo gol nos
próximos 10 minutos. A Figura 4 representa a distribuição dos tempos entre gols su-
cessivos nos jogos de todas as copas do mundo até 2002, comparado com o valor teórico
da distribuição exponencial. A conclusão que se obtém é: o processo de surgimento de
gols é um processo sem memória!
1 Lembre-se que a distribuição exponencial é definida por uma média 1/ e variância 1/2.
2 CHU, S. Using Soccer Goals to Motivate the Poisson Process. INFORMS Transaction on Education. Revista ele-
trônica. v.3, n.2, 2003. http://ite.pubs.informs.org/Vol3No2/Chu/index.php.
9
Figura 4 - Distribuição dos tempos entre gols sucessivos em copas do mundo (CHU, 2003)
Exercício
3) Suponha que a lanchonete da escola tenha estudado seu sistema de atendimento e

descoberto que um funcionário pode processar, em média, 60 pedidos por hora. Admi-
tindo que o tempo de atendimento é uma variável aleatória com distribuição exponen-
cial, responda:
a) Qual é a probabilidade de que um pedido seja processado em menos de 30 s?
b) Qual é a probabilidade de que um pedido seja processado em mais de 2,0 minutos?
8.5. Processo de Poisson

Um processo estocástico em tempo contínuo,  N t , t  0 , que conta o número de
eventos ocorridos até o instante t, é um processo de Poisson se:
i) N(0) = 0;
ii)  N t , t  0  tem incrementos independentes;
O número de eventos que ocorre em qualquer intervalo de tempo de amplitude t,
iii)
tem uma distribuição exponencial com taxa .
Nestas condições:
e  t t 
n
PN t0  t   N t0   n 

n!
Para um processo de Poisson, a expressão anterior fornece a probabilidade da ocorrên-

cia de n eventos durante o intervalo de tempo t. Observe que o número médio de even-
tos em um intervalo de amplitude t é igual a t, que é conhecido como parâmetro da
distribuição de Poisson. Uma constatação importante para todo processo de Poisson é:
Se o número de chegadas que ocorrem em um intervalo t segue uma distribuição

de Poisson com parâmetro t , então os tempos entre chegadas sucessivas são ex-
ponencialmente distribuídos, com parâmetro .
10
Voltando às copas do mundo, como os tempos entre gols sucessivos são exponencial-
mente distribuídos, o número de gols que ocorre em um dado período de tempo é um
processo de Poisson. A Figura 5 representa a ocorrência de gols por jogo e o valor teóri-
co obtido pela distribuição de Poisson.
Figura 5 - Distribuição de gols por partidas de todas as copas do mundo (CHU, 2003)
A taxa de surgimento de gols foi estimada em  = 2,4784 gols por partida (de 90 minu-
tos). De posse dessa informação, se quisermos, por exemplo, estimar a probabilidade
de que dois gols ocorram em um intervalo de 10 minutos, temos:
2, 4784 2
 10  2,4784 
e 90
 10 
e t  t 
2
PN s  10  N s   2    90   0,029 ou 2,9%
2! 2!
Exercícios
4) Suponha que a lanchonete da faculdade tenha estudado o seu sistema de atendi-

mento e descoberto que a taxa média de chegadas de clientes é 45 clientes/hora, se-
guindo uma distribuição exponencial. Para o intervalo de tempo de 1 minuto, quais são
as probabilidades de chegadas de 0, 1 e 2 clientes? Qual é a probabilidade da chegada
de mais do que dois clientes?
5) Considere um ponto de ônibus onde os intervalos de tempo entre as chegadas su-

cessivas são exponencialmente distribuídos. Admitindo que o intervalo de tempo médio
entre chegadas de ônibus é de 60 minutos, responda:
a) Qual é a probabilidade de que 4 ônibus cheguem nas próximas 2 horas?
b) Qual é a probabilidade de que, no mínimo, dois ônibus cheguem durante as próxi-
mas 2 horas?
c) Qual é a probabilidade de que nenhum ônibus chegue na próxima hora?
d) Um ônibus acaba de chegar. Qual a probabilidade de que levará entre 30 e 90 mi-
nutos até que o próximo ônibus chegue?
11
8.6. Cadeia de Markov

Diz-se que um processo estocástico em tempo discreto,  X n , n  1,2 , , com espaço de
estados finito ou contável é uma cadeia de Markov se, para todos os estados
i0 , i1 ,, in1 , in e n  0, tem-se:
PX n 1  j / X0  i0 , X1  i1 ,..., X n 1  in 1 , X n  i  PX n 1  j / X n  i  pij
Observe, à semelhança do que foi mencionado no caso do processo de Markov, a inde-

pendência em relação ao passado. As probabilidades pij são chamadas de probabilida-
des de transição de estados. Se  j (n) é a probabilidade de que o sistema esteja no es-
tado j no instante (estágio) n, isto, é  j (n)  P[ X n  j ] , então:
s
 j (n)    i (n  i) pij , sendo S o número de estados possíveis
i 1
ou, em termos matriciais:

πn  πn  1P
onde πn   0 n,  1 n,...,  s n é o vetor das probabilidades de estado e P é a matriz
das probabilidades de transição. Em virtude das dificuldades para obtenção de resul-
tados analíticos durante a fase transitória, contenta-se, na maioria dos casos, em se
obter resultados para a cadeia de Markov em regime estacionário, quando este existe.
Satisfeitas certas condições, quando n, a probabilidade de estado  j (n) converge
para uma probabilidade estacionária  j .
A distribuição estacionária das probabilidades de estado , em tal situação, é calculada
pela solução do sistema de equações lineares:
π  πP
s

j 1
j 1
Exercícios
6) Uma empresa de locação de automóveis deseja analisar o seu sistema de recepção

de veículos. Atualmente, a empresa possui três postos de atendimento, numerados de
0 a 2, onde os veículos podem ser retirados ou entregues pelos clientes. Estudando o
comportamento dos clientes, a empresa descobriu que a probabilidade pij de que o car-
ro que foi pego no posto i seja devolvido no posto j é dada pela seguinte matriz:
0,50 0,30 0,20

P  0,60 0,10 0,30
 
0,05 0,35 0,60
a) Qual é a variável aleatória mais adequada para que se possa estudar esta situação?
12
b) Qual é a probabilidade, p22 , de que um automóvel retirado no posto 2 seja devolvido

no próprio posto 2?
c) Crie um diagrama representando as transições de estados do problema.
d) No início de um dia qualquer, 10% dos automóveis estão no posto 0, 60% no posto 1
e 30% no posto 2. Onde estarão estes automóveis no início do dia seguinte? Qual é a
porcentagem esperada de carros em cada posto, após vários dias?
7) Suponha que a condição do tempo amanhã dependa apenas das condições do tempo
hoje, conforme apresentado a seguir:
P[chover amanhãchuva hoje] = 0,7
P[sol amanhãchuva hoje] = 0,3
P[chover amanhãsol hoje] = 0,4
P[sol amanhãsol hoje] = 0,6
Como representar este problema com uma cadeia de Markov? Qual é a probabilidade
de um dia de chuva?
8) Em uma cidade, 90% dos dias de sol são seguidos por outro dia de sol. Por outro
lado, 80% dos dias de chuva são seguidos por outro dia de chuva. Use essas informa-
ções para modelar a condição do tempo na cidade como uma cadeia de Markov (crie um
diagrama de transição de estados). Quais são as probabilidades de que chova ou faça
sol em um dia qualquer?
9) Crie um novo diagrama de transição de estados para o problema anterior, conside-

rando que a condição do tempo em um dia dependa da condição observada nos dois di-
as anteriores, de acordo com as seguintes "regras":
I. Se os últimos dois dias foram ensolarados, há uma chance de 95% de haver sol no
dia seguinte.
II. Se choveu ontem e faz sol hoje, a chance de que faça sol amanhã é de 70%.
III. Se o dia de ontem foi ensolarado e está chovendo hoje, há 60% de chance de que
continue chovendo.
IV. Se choveu nos dois últimos dias, a chance de que continue chovendo é de 80%.
10) Uma empresa possui duas máquinas. A cada dia de trabalho, existe uma chance
em três de que uma determinada máquina quebre durante o dia: se isto acontecer, a
máquina será consertada e estará disponível novamente depois de dois dias (por
exemplo, se uma máquina quebrar durante o dia 3, estará pronta para trabalhar no
início do dia 5). Em média, com quantas máquinas a empresa pode contar diariamen-
te? Sugestão: use os seus conhecimentos sobre probabilidade conjunta e crie um dia-
grama de transição de estados para o sistema. Em seguida, calcule as probabilidades
estacionárias de cada estado.
11) (A ruína do apostador) Um apostador tem, inicialmente, R$ 2,00 disponíveis; a

cada novo dia, ele aposta R$ 1,00. A probabilidade de ganhar é p e a probabilidade de
perder é 1–p. O processo se encerra se o apostador ganhar R$ 4,00 ou perder tudo.
Como representar este problema por uma cadeia de Markov? A cadeia é ergódica?
13
Uma cadeia de Markov é ergódica se for aperiódica e permitir alcançar qualquer

estado futuro a partir de qualquer estado inicial, após uma ou mais transições.
Uma cadeia de Markov é periódica com período k se todos os estados se repetem
após um mesmo número (múltiplo de k) de transições.
9. Modelo de fila M/M/1
Para que se possa modelar um sistema de filas como M/M/1 é preciso admitir algumas
hipóteses como verdadeiras:
- Processo de chegadas: Poisson (o intervalo de tempo entre chegadas sucessivas é

uma variável aleatória com distribuição exponencial, com média 1/)
- A distribuição do tempo de atendimento é exponencial com média 1/
- Existe apenas um servidor para atendimento
- A disciplina de atendimento FCFS
- Não há restrição de capacidade
- A população que freqüenta o sistema é infinita
No caso da fila M/M/1, tanto os intervalos entre chegadas sucessivas quanto os tempos
de atendimento são variáveis aleatórias exponenciais (portanto, sem memória). Assim,
é possível estudar o sistema em um instante t qualquer sem se preocupar com o estado
inicial do sistema. Seja então, N t  o número de clientes no sistema no instante t em
uma fila M/M/1. Em virtude da falta de memória dos intervalos entre chegadas conse-
cutivas,  i , (i  1,2,) e dos tempos de atendimento Vi , (i  1,2,) temos:
PN t   j / N t0   n1 ,..., N tn   i  PN t   j / N tn   i

para todo t0  t1  t2   tn  t
Neste caso, o processo estocástico,  N t , t  0 , é um processo de Markov com espaço

de estados, {0,1,2,...,S}, chamado de cadeia de Markov em tempo contínuo3. Além disso,
se houver i clientes no sistema no instante t, apenas duas transições são possíveis:
 Para (i+1) se a próxima chegada ocorrer antes da próxima saída (um nascimento) e
 Para (i-1) se a próxima saída ocorrer antes da próxima entrada (uma morte).
Por este motivo, o processo estocástico  N t , t  0  é muitas vezes chamado de pro-

cesso de nascimento e morte. A probabilidade de duas ou mais chegadas (ou saídas)
simultâneas de uma chegada e uma saída simultâneas, é igual a zero. Caso i = 0, há
apenas a possibilidade da transição para o estado i = 1.
Sejam f    e a função densidade de probabilidade do intervalo de tempo entre
chegadas consecutivas, gv  e v a densidade de probabilidade dos tempos de aten-
dimento e pi t   PN t   j  a probabilidade do estado j, (j = 0,1,...) no instante t.
3Portanto, o número de elementos atualmente no sistema não depende do passado, mas sim, do estado imediata-
mente anterior dele.
14
Embora seja possível obter um sistema de equações diferenciais para as probabilida-

des de estados pi t  , o tratamento aqui se limitará à determinação das probabilidades
estacionárias pj, j = 0,1,2,..., onde:
p j  lim P[ N (t)  j ] .
t 
Inicialmente, vamos desconsiderar o caso do sistema vazio, isto é, N t   0 . Considere

um acréscimo de tempo infinitesimal dt em um instante t, já em regime estacionário.
Se, no instante t, N t   i , i = 1,2,..., então temos duas situações:
 Nascimento: a probabilidade de uma chegada no intervalo [t, t+dt] é igual a dt, com
N t  passando de i para (i+1) e
 Morte: a probabilidade de uma saída é dt, com N t  passando de i para (i-1).
Logo, para os estados i = 1,2,..., tem-se:
PN t  dt   i 
 PN t   i  dt  dt PN t   i  dt PN t   i  1  dt PN t   i  1
Ainda devemos incorporar em nossa análise, o caso do sistema vazio. Se N t   0 , en-

tão somente existe a probabilidade dt de transição do estado 0 para o estado 1:
P[ N (t  dt)  0]  P[ N (t)  0]  (dt) P[ N (t)  0]  (dt) P[ N (t)  1]
Considerando que o processo está em regime estacionário, podemos simplificar a re-

presentação simbólica, fazendo:
P  N  t   i  P  N  t  dt   i  pi , i  0,1,2,...
Assim, as equações anteriores ganham a forma:
    pi  pi 1  pi 1 , i  1,2,

p0  p1
Uma forma de visualizar essas relações é por meio de um diagrama com as taxas (infi-
nitesimais) de transição de estados, como mostra a Figura 6.
   
0 1 2 3 ...
   
Figura 6 - Taxas (infinitesimais) de transição de estados para a fila M/M/1
15
As probabilidades de estado podem ser obtidas se, no diagrama da Figura 6, estudar-

mos o equilíbrio de probabilidades em regime estacionário. Por exemplo, ao estado 3
chegam clientes dos estados 2 e 4 com taxas de transição p2  p4 , enquanto saem
clientes do estado 3 na taxa de p3  p3 . Balanceando o fluxo de probabilidades (o flu-
xo que "entra" deve ser igual ao que "sai") para o estado 3:
p2  p4  p3  p3
Generalizando este procedimento temos, para um estado i :
pi1  pi1  pi  pi , i = 1,2,...


 p0   p1  p1  p0 .

Resolvendo-se o sistema de equações acima, com a condição adicional de que a soma

das probabilidades de todos os estados seja igual a 1, obtêm-se:
  
 p0   1    1   
  
 j
 
 p j  p0     1    , j = 1,2,...
j
  

onde    1 é chamado de índice de congestionamento do sistema.

A condição   1 obriga que o sistema seja estável, ou seja, que a taxa de atendimento
seja maior do que a taxa de chegada de clientes no sistema. Em caso contrário, o sis-
tema nunca seria capaz de atender a todos os clientes e a fila tenderia a crescer indefi-
nidamente. Por outro lado, o valor de  também representa a probabilidade de encon-
tramos o servidor ocupado, justificando o fato de que p0  1    . A partir das probabi-
lidades estacionárias de estado da fila, uma série de expressões para medidas de de-
sempenho podem ser obtidas. Por exemplo, o número médio de elementos no sistema
(fila + atendimento) em regime estacionário, tem a seguinte expressão:

 2
L   jp j  ou L    .
j 0 1  1 
Na expressão anterior, a primeira parcela corresponde ao número médio de clientes em

atendimento
Ls   ,
enquanto a segunda parcela corresponde ao número médio de clientes na fila:
2
Lq 
1
16
A Figura 7 apresenta um gráfico que relaciona o número médio de clientes no sistema

com o índice de congestionamento . Note o crescimento acentuado do número de clien-
tes no sistema, quando o índice de congestionamento passa de 0,8.
Para a fila M/M/1, consegue-se também determinar a função densidade probabilidade
do tempo de permanência de um cliente no sistema, h(w), em regime estacionário:
1
h(w)  e  (1   ) w .
 (1   )
A partir desta expressão pode-se concluir que o tempo de permanência no sistema, em

regime estacionário, é uma variável aleatória exponencial com média:
1
W .
 1   
Convém observar que, conhecido o valor de L, o tempo médio de permanência no sis-

tema também pode ser obtido a partir da fórmula de Little  L  W  . Assim:
L  1 1
W   
 1   
Lq 
Wq  
  (   )
Ls 1
Ws  
 
100
90 
L
80 1 
70
60
50
40
30
20
10
0 
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Figura 7 - Número de elementos no sistema  índice de congestionamento
17
A probabilidade de que k (ou mais) elementos estejam no sistema é dada por:
 
P[ k no sistema]  pi   (1   )  i   k
i k i k
Para encerrar a apresentação do modelo M/M/1, cabe mencionar que a probabilidade

estacionária, pi, é uma medida da relação entre o tempo em que há j elementos no sis-
tema e o tempo total de observação do processo.
Exercício
12) Reconsidere o problema descrito nos exercícios 3 (página 10) e 4 (página 11), em
que a taxa média de chegadas de clientes na lanchonete é 45 clientes/hora e a taxa
média de atendimento de clientes é de 1 cliente por minuto. Lembrando que há apenas
um funcionário responsável pelo atendimento e admitindo que as variáveis aleatórias
envolvidas possuem distribuição exponencial, responda:
a) Quanto vale o índice de congestionamento do sistema? O sistema é estável?

b) Qual é a probabilidade de que não exista nenhum cliente no sistema?
c) Qual é o número médio de clientes no sistema, em fila e em atendimento?
d) Qual é o tempo médio que um cliente gasta no sistema, em fila e no atendimento?
e) Qual é a probabilidade de que existam 3 clientes no sistema?
f) Qual é a probabilidade de que um cliente tenha que esperar em fila?
10. Modelo de fila M/M/1/c
Hipóteses admitidas para a caracterização de um sistema de filas como M/M/1/c:

- Disciplina de atendimento FCFS
- Capacidade do sistema limitada a "c" clientes
- População infinita
Esta fila é semelhante à fila M/M/1 exceto pelo fato de que, quando existem c clientes
no sistema, qualquer nova chegada é perdida. Um exemplo desta fila ocorre no drive-
thru de algumas lanchonetes, em que a capacidade de atendimento somada ao espaço
reservado para a fila de automóveis é limitado a um certo valor fixo. Se um novo veícu-
lo chega quando todas as vagas estão ocupadas, ele é forçado a desistir de entrar no
sistema e a lanchonete perde aquele cliente.
Quando realizamos a modelagem da fila segundo o mesmo procedimento usado para a
fila M/M/1, encontramos os seguintes resultados para o caso de    :
18



1 
p0 
1   c1
p j   j p0 , j  1,2,..., c
p j  0, j  c  1, c  2,...
c
Lembrando que L   jp j , temos:
j 0
 1   c  1  c  c c1 
L
1    1   
c 1
Para o caso de    , tem-se:
1 c
pj  , j  0 ,1,2 , , c ; L
1 c 2
Em ambos os casos:
Ls  1  p0 ; L  Ls  Lq
A determinação dos tempos médios de atendimento, em fila e no sistema, pode ser fei-
ta pela fórmula de Little, desde que se considere o número médio de clientes que efeti-
vamente entram no sistema. No sistema com restrição de capacidade, dos  clientes
por unidade de tempo que chegam, uma parcela pc encontra o sistema com a capaci-
dade esgotada. Assim, a taxa das clientes que realmente entram no sistema vale
c    pc   1  pc  . Conseqüentemente:
L L
W 
 1  pc  c
Ls L
Ws   s
 1  pc  c
Finalmente, observe que, mesmo com    a fila M/M/1/c é estável (por quê)?
11. Estudo da fila M/G/1
Hipóteses assumidas na caracterização de um sistema M/G/1:

- A distribuição do tempo de atendimento é genérica
- Sem restrição de capacidade
19
Tendo em vista que os intervalos entre chegadas consecutivas não têm memória e os
tempos de atendimento sim, escolhem-se, para estudar esta fila, os instantes corres-
pondentes ao fim de atendimento (saída). Seja então, tn o instante de saída do cliente
n, n = 1,2,... e X n o número de clientes no sistema neste instante, sem incluir o que
está saindo. A Figura 8 mostra a evolução do sistema entre dois instantes consecutivos
de saída tn e tn 1 . De acordo com a Figura 8:
 X n  Yn1  1 , se X n  1
X n1  
 Yn+1 , se X n  0
onde Yn 1 é o número de chegadas durante o atendimento do cliente (n+1). A expressão

do "estado futuro", X n 1 , mostra que ele depende somente do "estado presente" X n e
de Yn 1 . Como o processo de chegada é de Poisson, com incrementos independentes, a
variável aleatória Yn 1 não depende do passado, sendo função apenas da taxa  do pro-
cesso de chegada e do tempo de atendimento de cliente (n+1), Vn 1 . Assim, o processo
estocástico  X n , n  1,2 , é uma cadeia de Markov. Para o cálculo das probabilida-
des de transição, pij , cabe observar inicialmente que:
 PYn1  j , se i = 0;

pij  P X n1  j / X n  i  PYn+1  j  1  i , se i  1 e j= i-1 , i,... 
0 , em outros casos

Caso (a) Xn  1
Yn1 chegadas
Xn X n1
tn Vn1 tn1 t
Saída do Saída do
cliente n cliente n+1
Caso (b) Xn = 0
Chegada do Yn1 chegadas

cliente n+1
X n1
Xn
tn tn1 t
Vn1
Figura 8 - Evolução da fila M/G/1 entre dois estados consecutivos de saída
20
Por sua vez, a probabilidade ak de que k chegadas ocorram durante o atendimento do

cliente (n+1), é dada por:

(v) k e  λv
ak  PYn1  k   g(v)dv
0
k!
Assim, das expressões anteriores, a matriz das probabilidades de transição é dada por:
 a0 a1 a2 a3 a4 
 a a a a a 
P 
0 1 2 3 4
 a0 a1 a2 a3  
 
 a0 a1 a2 
Conhecida a matriz P, pode-se pensar na obtenção da distribuição estacionária , re-

solvendo-se o sistema de equações:
π  πP

j
j 1
Como, por hipótese, há uma fonte infinita de usuários, o sistema  = P contém infini-
tas equações e, sendo P uma matriz densa (em termos de elementos não nulos), é mui-
to difícil resolver o sistema de equações. Uma forma de superar o impasse é recorrer à
utilização de transformada Z (ou transformada geométrica), com o que se obtêm os se-
guintes resultados:
i) A distribuição estacionária existe apenas quando o tempo médio de atendimento,

E Vi  for menor do que o intervalo médio entre chegadas consecutivas, E i   1  , ou
seja, quando o índice congestionamento   EVi  E i  for menor do que 1;
ii) Quando  < 1,  0  1   , onde  0  lim  0 (n)  lim P[ X n  0]
n  n 
iii) O número médio de elementos no sistema num instante de saída em regime estaci-
onário, L  lim  jP X n  j , é dado por:
n
j
2 2   2
L  Ls  Lq   
21   
onde  é a variância dos tempos de atendimento e     .
A Figura 9 mostra o efeito do índice de congestionamento , sobre o número médio de

elementos no sistema L. É interessante examinar a equação anterior considerando o
ponto de vista de alguém que precisa dimensionar um sistema de atendimento, com
um único servidor, para atender uma demanda de serviço cuja chegada é um processo
de Poisson, com taxa .
21

0 1
Figura 9 - Número de elementos no sistema em função de índice de congestionamento
De um lado, é necessário projetar o sistema de serviço de forma que o tempo médio de

atendimento seja menor do que 1/ e conduza a valores de  relativamente menores do
que 1, para evitar um crescimento excessivo da fila. Por outro lado, para um dado
tempo médio de atendimento, o desempenho do sistema melhora significativamente se
for possível reduzir a dispersão de tempo de atendimento em torno de sua média. De
fato, o modelo de fila M/D/1 é deduzido exatamente a partir deste tipo de particulari-
zação (neste caso, com   0 ):
 Expressões do modelo de fila M/D/1 (para os tempos de espera, use a fórmula de Little)
 2
 p0  1   Lq  Ls   P existência de fila   
 21   
Para finalizar este breve estudo da fila M/G/1, convém ressaltar que, como os tempos
de atendimento possuem memória, essa fila não pode ser estudada em um instante
genérico t e todos os resultados obtidos se referem aos instantes escolhidos para obser-
vação do sistema. Desta forma, a probabilidade estacionária  j é uma medida da ra-
zão entre o número de vezes que o processo está no estado j e o número total de obser-
vações feitas nos instantes de saída em regime estacionário.
Exercício
13) Considere um sistema de fila M/M/1 com  = 5 clientes/hora e  = 8 clientes/hora.

Mostre que se o processo de atendimento fosse determinístico o tempo médio que os
clientes esperariam em fila cairia pela metade.
22
12. Modelo de fila M/M/s
Quando, por crescimento da demanda, o índice de congestionamento da fila M/M/1 se

aproxima de 1, uma forma de reduzir o tempo médio de espera é acrescentar outro(s)
servidor(es) em paralelo para atendimento dos clientes, mantendo-se uma única fila
para todos os postos. Em tais situações, a fila corresponde ao modelo M/M/s, onde s é o
número de servidores em paralelo, todos com a mesma característica em relação aos
tempos de atendimento (distribuição exponencial com média 1/). Hipóteses admitidas
para que se possa modelar um sistema de filas como M/M/s:

- Existem s servidores em paralelo para atendimento
- Sem restrição de capacidade
Para o estudo da fila M/M/s utiliza-se, a exemplo da fila M/M/1, um diagrama de tran-
sição de estados, conforme a Figura 10. A taxa de transição de probabilidade do estado
i para o estado (i+1) é sempre , enquanto a taxa de transição de i para (i-1) depende
do número de postos de atendimento em operação.
     
0 1 2 3 ... s-1 s s+1 ...
 2  3  s s  s 
Figura 10 - Diagrama de transição de estados para a fila M/M/s
Para o cálculo das probabilidades de estado pj, j = 0,1,2,..., deve-se resolver o seguinte
sistema de equações:
pi1  ipi , i  1 ,2 ,..., s
pi1  spi , i  s  1 , s  2 ,...

p
j 0
j
1
cuja solução existe desde que o índice de congestionamento seja menor que 1, ou seja:

  1.
s
23
A probabilidade estacionária p j , entre outros fatores, depende da probabilidade de que

o sistema esteja vazio4:
1
 s1 1    n 1    s  s 
p0          .
n0 n!    s!     s   
Daí:
pj 
s  j p0 j  1,..., s
j!
pj 
s  j p0 j  s, s  1, s  2,...
s! s j  s
A probabilidade de que um novo cliente entre em fila ao chegar no sistema é dada por:
P j  s 
 s 
s
p0 .
s! 1   
A probabilidade de que um cliente espere mais do que um determinado tempo t no sis-

tema é dada por:
 1  e t  s 1 s  
P W  t   e  t
1  P  j  s  s  1  s  .
 
A probabilidade de que um cliente espere mais do que um certo tempo T em fila vale:
PWq  T   P j  se s 1  T .
O número médio de elementos no sistema, L, é dado por:
 P  j  s 
L  .
 1 
Conseqüentemente, o tamanho médio da fila é dado por
P  j  s 
Lq  ,
1 
e o número médio de elementos em atendimento é dado por:

Ls  .

Como de costume, os tempos médios no sistema, em fila e em atendimento podem ser

obtidos diretamente pela fórmula de Little.
4 O apêndice B apresenta uma tabela com os valores de p0 para diversos valores de  e s.
24
Exercício
14) Considere que a lanchonete do exercício 12 (página 18) decidiu abrir um segundo
caixa de atendimento para que dois clientes possam ser atendidos simultaneamente (a
fila de espera se mantém única). Lembrando que  = 45 clientes/hora e  = 1 cliente
por minuto, determine as características de desempenho do novo sistema.
13. Análise econômica de filas
As decisões envolvendo o dimensionamento de filas geralmente são baseadas em uma

análise subjetiva de suas características operacionais. Por exemplo, um administrador
escolhe certos parâmetros de desempenho da fila, tais como: número médio de pessoas
em fila ou tempo máximo de permanência em fila. Utilizando os modelos de filas apre-
sentados nas seções anteriores, o administrador pode determinar o número de servido-
res necessários de modo a atender os parâmetros previamente estabelecidos.
Outra forma de análise considera as implicações econômicas da fila, através dos custos
envolvidos. Basicamente, o custo total de se operar uma fila será a soma do custo de
atendimento com o custo de espera. Considere a seguinte notação:
cw = custo de espera de um elemento por unidade de tempo;

L = número médio de elementos no sistema;
cs = custo de atendimento por unidade de tempo para cada canal (servidor);
s = número de servidores;
CT = custo total associado ao sistema, por unidade de tempo.
Para este caso, o custo total de operação é dado pela soma do custo de atendimento com
o custo de espera, ou seja:
CT  scs  Lcw ($/unidade de tempo)5
O custo de atendimento é o mais fácil de se determinar por se tratar do custo de se

operar um servidor (caixa de banco, garçom, etc). Contudo, o custo de espera é, geral-
mente, de difícil determinação. Em um restaurante por quilo, por exemplo, o custo de
espera não é um custo direto para o seu proprietário. Contudo, se ele permitir longas
filas de espera, os clientes procurarão outro local para o almoço. Portanto, o restauran-
te estará experimentando perdas de vendas e isto, de fato, gera um custo.
A Figura 11 apresenta a forma geralmente encontrada para as curvas dos custos dis-
cutidos. O custo de atendimento cresce linearmente com o aumento do número de ser-
vidores, enquanto o custo de espera em fila diminui (já que o atendimento melhora).
5 Lembre-se de que esta expressão é válida para as condições expressas anteriormente, não é uma expressão gené-
rica que vale para qualquer sistema de fila M/M/s.
25
Custo/tempo
Custo total
Custo de atendimento
Custo de espera
Figura 11 - Curvas genéricas do custo de espera, atendimento e do custo total em modelos de filas
Exercício
15) Considere que a lanchonete descrita no exercício 12 (página 18) atribua um custo
de R$ 10,00 para cada hora que um cliente passe no sistema e que cada caixa receba
R$ 7,00 por hora. Qual operação é mais econômica: com um ou dois caixas?
14. Limitações da Teoria das Filas
Os modelos analíticos ou analítico-numéricos de teoria de filas, quando disponíveis,

fornecem resultados mais precisos e mais completos do que aqueles obtidos por meio
de simulação probabilística do processo de filas. Existem, porém, várias limitações:
 As formulações analíticas para muitas informações importantes são difíceis de se-

rem derivadas para a maioria dos processos;
 O regime transitório, ou seja, aquele em que algumas variáveis do processo de fila
variam com o tempo, não é profundamente abordado pela teoria, que estuda basica-
mente o regime estacionário do processo de filas;
 O tempo médio de serviço e a distribuição estatística devem ser iguais para todos
os postos de serviço;
 A introdução de particularidades no processo de filas, como por exemplo, a inter-
rupção dos serviços portuários devido ao mau tempo (descrito por uma distribuição
estatística conhecida), acarreta muitas dificuldades na modelagem matemática do
problema e podem inviabilizar a busca por uma solução analítica.
***
26
Exercícios complementares
Obs.: O Apêndice C (final da apostila) contém um formulário geral sobre os modelos de fila discu-
tidos neste material. Respostas dos exercícios propostos a seguir, a partir da página 30.
16) O número de pacotes de pipoca vendidos por hora em um cinema segue uma dis-
tribuição de Poisson, com média de 15 pacotes por hora. Calcule a probabilidade de
que 60 pacotes sejam solicitados entre as 16 h e as 20 h. Qual é a probabilidade de que
o tempo entre duas solicitações consecutivas seja menor do que 6 minutos?
17) O número de incêndios ocorridos em uma cidade segue uma distribuição de Pois-
son, com média de 12 incêndios por dia.
a) Calcule a probabilidade de que nenhum incêndio ocorra entre a meia-noite de se-
gunda-feira e as 3 h de terça-feira.
b) Calcule a probabilidade de que o tempo entre dois incêndios consecutivos seja maior
do que 3 horas.
18) Em média, 10 carros por hora chegam ao drive-thru de uma lanchonete que possui
apenas uma cabine de atendimento. O tempo médio de atendimento de cada cliente é
de 4 minutos. As distribuições probabilísticas do intervalo de tempo entre chegadas e
do tempo de atendimento são exponenciais.
a) Qual é a probabilidade de que a cabine de atendimento esteja vazia?
b) Quantos carros, em média, aguardam por atendimento?
c) Quanto tempo um carro gasta no drive-thru, em média?
d) Qual é a média de clientes atendidos por hora? Dica: avalie os valores de  e .
19) Admita que uma média de 125 pacotes de informação por segundo cheguem a um
roteador que, por sua vez, leva 0,002 segundos para processar cada um. Considerando
que as variáveis aleatórias envolvidas possuem distribuição exponencial, responda:
a) Qual é o número médio de pacotes que aguardam (por exemplo, em um buffer) para
serem processados pelo roteador?
b) Qual é a probabilidade de que existam 5, ou mais, pacotes no sistema?
20) Desde o instante em que uma consulta é feita em um gerenciador de banco de da-
dos até o momento em que o resultado está disponível passam-se 3 segundos, em mé-
dia. De acordo com os relatórios de utilização do sistema, sabe-se que o gerenciador do
banco de dados fica ocioso durante 20% do tempo. Assumindo que um modelo de fila
M/M/1 seja aplicável, calcule o tempo médio de processamento (efetivo) de cada consul-
ta e número médio de consultas presentes no sistema.
21) Considere um ponto onde táxis e pessoas chegam com taxas médias de 1 e 2 por
minuto, respectivamente (os intervalos entre chegadas sucessivas são distribuídos ex-
ponencialmente). Por motivos diversos, os passageiros vão embora imediatamente se
não encontram um táxi no ponto. Os táxis, contudo, sempre esperam por passageiros.
a) Quais são os clientes e servidores deste sistema?
b) Determine o número médio de táxis que aguardam por passageiros.
27
22) Os motoristas de uma cidade pequena decidem ir ao posto de gasolina quando os

tanques de seus carros estão com a metade do combustível total. Isto faz com que uma
média de 7,5 carros por hora chegue ao posto para abastecimento. Cada carro é aten-
dido, em média, em 4 minutos. Assuma que as distribuições probabilísticas do interva-
lo de tempo entre chegadas e do tempo de atendimento são exponenciais.
a) Calcule o tempo médio que cada automóvel gasta no posto.
b) Considere que há uma falta temporária de combustível na região, o que está levan-
do os motoristas a irem ao posto quando os tanques estão com 3/4 do combustível total.
Como os carros estão colocando menos combustível o tempo médio de abastecimento
diminuiu para 5/6 do valor habitual. De que forma o "pânico" dos motoristas altera o
valor calculado no item anterior?
23) O departamento de vendas da Mango's frutas é controlado por apenas um funcio-

nário. Os clientes chegam segundo uma distribuição exponencial com taxa média de
chegadas de 21 clientes/hora. Um estudo do processo de atendimento mostrou que o
tempo médio de serviço é de 2 minutos por cliente, com um desvio padrão de 1,2 minu-
tos. Quais são as características operacionais deste sistema?
24) Um posto de vistoria de veículos, com capacidade para "abrigar" 3 clientes, empre-
ga um atendente com capacidade para atender, em média, 2 veículos por hora. Ne-
nhum dos clientes (que chegam a uma taxa média de 3 por hora) admite esperar por
atendimento fora das dependências do posto. Admita que os intervalos entre chegadas
e os tempos de atendimento sejam aleatórios, com distribuição exponencial.
a) Em média, quantos clientes por hora efetivamente entram no sistema?
b) Qual é a probabilidade de que o atendente esteja ocupado?
25) Em média, 40 carros/hora, com intervalos entre chegadas sucessivas distribuídos

exponencialmente, se dirigem ao drive-thru da lanchonete Ki-Cão. Observou-se que
nenhum carro entra na fila do serviço caso já existam 4 clientes no sistema (ou seja, 1
na cabine de atendimento e 3 em fila). O tempo médio de atendimento, distribuído ex-
ponencialmente, é de 4 minutos por carro.
a) Determine o número médio de carros que aguardam na fila do drive-thru.
b) Em média, quantos carros serão atendidos por hora?
c) Quanto tempo, em média, cada cliente levará para receber seu pedido, a partir do
momento em que entrar na fila da lanchonete?
26) Considere uma agência bancária com dois caixas. Em média, 80 clientes por hora
chegam ao banco e aguardam em fila única. O tempo médio de atendimento por cliente
é de 1,2 minutos. Assuma que os intervalos de tempo entre chegadas sucessivas e os
tempos de atendimento são exponencialmente distribuídos. Determine:
a) O número esperado de clientes no banco;

b) O tempo esperado de permanência de um cliente no banco;
c) A fração do tempo em que um determinado caixa permanece livre.
28
27) O gerente de um banco deseja determinar quantos caixas trabalharão nas sextas-
feiras. Para cada minuto que um cliente aguarda em fila, o gerente acredita que um
custo de R$ 0,05 é incorrido. Em média, 2 clientes chegam ao banco por minuto, sendo
que cada um é atendido em um tempo médio de 2 minutos. O custo associado à contra-
tação de um caixa é de R$ 9,00 por hora. Os intervalos de tempo entre chegadas suces-
sivas e os tempos de atendimento são exponencialmente distribuídos. Para minimizar
o custo de operação do sistema, quantos caixas devem trabalhar nas sextas-feiras?
28) Em uma agência bancária o custo de se manter um caixa operando é de R$ 100,00

por dia, sendo que cada caixa pode atender, em média, 60 clientes por dia. Em média,
50 clientes procuram o banco durante um dia (as variáveis aleatórias de interesse pos-
suem distribuição exponencial). Se o custo estimado de permanência por cliente for de
R$ 100,00/dia, quantos caixas devem trabalhar para que o custo total de operação da
agência seja o menor possível?
29) Considere um sistema de fila M/M/1 em que as taxas originais dos processos de
chegada e de atendimento, respectivamente  e , dobrem de valor. De que forma o
número médio de clientes no sistema e seu tempo médio de permanência são afetados?
30) Qual dos seguintes sistemas tem um melhor desempenho em termos de W e L, (a)
uma fila M/M/1 com taxa média de chegadas  e taxa de atendimento 3 ou (b) uma
fila M/M/3 com taxa média de chegadas  e taxa de atendimento  ? Sugestão: desenhe
o diagrama de transição de estados dos dois sistemas.
Roteiro de estudos: a base teórica para Teoria das Filas está distribuída nas seções
20.1 - 20.6 e 20.8 do "livro do Winston" (Pesquisa Operacional I):
Exercícios sobre modelos M/M/1: páginas 1081-1082: exercícios 1, 2, 4 e 5;

Exercícios sobre modelos M/M/1/c: página 1085: exercícios 1, 2 e 3*;
Exercícios sobre modelos M/M/s: página 1094: exercícios 1, 2 e 9*.
* Exercícios que devem ser resolvidos computacionalmente, em planilha eletrônica.
Referências
Além do "livro do Winston", temos:
KLEINROCK, L. Queuing Systems. Vol 1 e 2. Wiley, 1975.

ROSS, S. Applied Probability Models with Optimization Applications. Holden-
day, 1970.
29
Respostas de parte dos exercícios propostos
3) Revisão de probabilidades (pág. 10)

a) 39%
b) 13,5%
4) Processo de Poisson (pág. 11)

p0  0,472 ; p1  0,354 ; p2  0,133 ; p0  0,472 ; PN  2  0,041
5) Ponto de ônibus (pág. 11)

a) PN  4  0,09
b) PN  2  0,59
c) PN  0  0,37
d) 38%
6) Empresa de locação (pág. 12)

a) Nik  total de veículos presentes no posto i i  0,1,2 , no início do dia k k  0,1, 
b) p22  0,60
c) Resolvido na apresentação (sítio da disciplina)
d)  0 1  0,425 ;  1 1  0,195 ;  2 1  0,380
Em regime:  0  0,357 ;  1  0,266 ;  2  0,378
7) Condição do tempo (pág. 13)

Psol  3 7 ; Pchuva   4 7
8) Chuva e sol (pág. 13)

O sistema não pode ser representado por uma cadeia ergódica. Logo, não é possível
calcular as probabilidades estacionárias.
12) M/M/1 (pág. 18)

a)   0,75 (sistema estável, pois   1 )
b) p0  0,25
c) Lq  2,25 clientes
d) Ls  0,75 clientes; L  3 clientes
e) Wq  3 minutos; W  4 minutos; Ws  1 minuto
f) Pfila  0,75
g) p3  0,1055
13) M/D/1 (pág. 22)

Note que a expressão para o número médio de elementos em fila no modelo M/D/1 cor-
responde extamente à expressão do modelo M/M/1, multiplicada por 1/2.
30
14) M/M/2 (pág. 25)

  0,375 ; p0  0,4545 (na tabela do apêndice B,    0,75 , s  2 )
L  0,8727 clientes; Lq  0,1227 clientes; W  1,164 minutos; Wq  0,1636 minutos
15) Análise econômica (pág. 26)

Para s  1 : CTh  CAh  CEh  scs  Lcw  1  7  3  10  R$ 37,00 h
Para s  2 : CTh  2  7  0,8727  10  R$ 22,73 h
Logo, a operação com 2 servidores é mais econômica.
16) Pipoca (pág. 27)

PN  60  0,0514 ; Pt  6  0,7769
17) Incêndios (pág. 27)

a) PN  0  0,223
b) P 3  0,1111
18) Drive-Thru (pág. 27)

a) p0  1 3
b) Lq  4 3 carros
c) L  2 carros; W  12 minutos
d) Ocupação do servidor = 2 3 . Logo, em média, são atendidos 2 3  15  10 carros/h.
19) Roteador (pág. 27)

a) Lq  0,083 pacotes
b) PN  5  0,0009765625
20) Gerenciador de banco de dados (pág. 27)

Ws  3 5 segundos; L  4 consultas.
21) Ponto de táxi (pág. 27)

a) Modelo M/M/1: clientes = táxis; servidor(es) = passageiros.
b) L  1 cliente. Obs.: Neste sistema, todo cliente presente no sistema estará obrigato-
riamente em fila, já que Ws  0 .
22) Posto de gasolina (pág. 28)

a) W  8 minutos
b) W  20 minutos (2,5 vezes maior do que o valor anterior)
23) Mango's - modelo M/G/1 (pág. 28)

L  1,8107 clientes; W  5,17 minutos
31
24) Posto de vistoria - modelo M/M/1/c (pág. 28)

a) c  1,75 clientes/h
b) Pfila  p1  p2  p3  1  p0  0,877
25) Ki-Cão (pág. 28)

a) Lq  2,45 carros
b) c  14,81 carros/h
c) W  0,232 h (cerca de 14 minutos)
26) Agência bancária (pág. 28)

a) L  4,44 clientes
b) W  3,33 minutos
c) f  p0  0,5 p1  0,1998
27) Operação de caixas (pág. 29)

O sistema é estável para s  4 .
Para s  5 : CTh  CAh  CEh  0,75  0,11  R$ 0,86 minuto
Para s  6 : CAh  R$ 0,90 minuto (>0,86)
Logo, devem ser contratados 5 caixas.
28) Agência bancária (pág. 29)

O sistema é estável para s  1 .
Para s  1 : L  5 ; CTd  CAd  CEd  1  100  5  100  R$ 600 dia
Para s  2 : L  1,0084 ; CTd  CAd  CEd  2  100  1,0084  100  R$ 300,84 dia
Para s  3 : L  0,8555 ; CTd  CAd  CEd  3  100  0,8555  100  R$ 385,55 dia
Logo, deve-se trabalhar com 2 caixas.
29) Análise de modelo M/M/1 (pág. 29)

Na nova situação, o número médio de clientes no sistema não se altera, mas o tempo
médio de permanência cai pela metade.
30) Análise de sistemas (pág. 29)

O sistema com 1 servidor tem o melhor desempenho, devido às maiores "taxas de mor-
te" observadas nos estados 1 e 2 (diagrama de transição de estados).
32
EPM103 (2013) Estudo de Caso: Meu Primeiro Emprego
Estudo de Caso: Meu Primeiro Emprego6
Este estudo de caso pode parecer um pouco longo, mas pretende cobrir todos os aspectos
pertinentes ao nosso curso de Teoria das Filas. Sugestões:
1. O grupo deve responder uma pergunta por vez.

2. A cada pergunta: reveja a matéria, verifique as hipóteses assumidas e compare os resulta-
dos com os que foram obtidos anteriormente.
3. Justifique todas as respostas, explicitando os cálculos realizados e evitando, sempre que
possível, o uso da planilha eletrônica (a planilha pode mascarar o procedimento de resolução).
4. Todas as modificações propostas nos parâmetros dos problemas (por exemplo, redução da
taxa média de atendimento, aumento do custo de espera em fila etc) devem ser mantidas
nos itens subseqüentes.
5. Compartilhe os resultados finais com os colegas.
Em 15 de junho de 1913, após anos de trabalho em sua garagem, os irmãos Allan e

Malcom Loughead (pronunciado e posteriormente escrito Lockheed) assistiram o seu
invento - a máquina de voar "Model-G Hydro-Aeroplane" - decolar e sobrevoar a baía
de São Francisco. A aeronave, construída em madeira e tecido, estava equipada com
um motor V8, do tipo usado em tratores, com 80 HP, refrigerado por radiador e posici-
onado à frente do cockpit aberto. O primeiro vôo, pilotado por Allan, durou apenas al-
guns minutos. Na volta Allan chamou o seu irmão e, desta vez, o vôo durou mais de 20
minutos, percorrendo cerca de 10 milhas sobre a cidade de São Francisco.
Os irmãos Loughead, assim como outros pioneiros da aviação (irmãos Wright, Santos
Dumont, etc) encontraram diversos obstáculos, a começar pelo sentimento de ceticismo
e ridículo expresso pela sociedade da época. Muitos jornais ignoraram ou chacotearam
a invenção. A Scientif American7 ridicularizou o invento e seus inventores. O New York
Times8 denominou os "experimentos com dirigíveis" como uma "perda de tempo e di-
nheiro" e expressou sua esperança de que os inventores colocassem seus esforços em
aventuras que pudessem prover "serviços à humanidade incomparavelmente maiores
do que se pode esperar dos resultados de se tentar voar".
Em 1916, Malcom deixou a empresa para concentrar-se no desenvolvimento de auto-
peças e Allan mudou a companhia para uma garagem em Santa Barbara. A empresa
foi denominada "Lockheed Aircraft Company". Durante os anos da depressão america-
na, a Lockheed entrou em uma turbulência financeira e por pouco não pediu falência.
Seis investidores, liderados por Robert Gross, compraram a companhia por US$
50.000,00 em 1932 e embarcaram em novas aventuras. Um aeroplano de metal com
dois motores, o Electra-10, foi introduzido e ajudou a tirar a empresa do vermelho. Por
6 Extraído de "Lockheed Missiles and Space Company". WHISLER, W. D. Cases in Management Science.
Duxbury Press. 1996.
7 Scientif American, janeiro, 1906.
8 New York Times, 1913.
33
esta época, um jovem engenheiro chamado Clarence Johnson candidatou-se a uma va-
ga na Lockheed, mas não foi aceito. Mais tarde, por um daqueles acasos da vida, os
caminhos de Clarence Johnson e da Lockheed se cruzaram novamente. Como a
Lockheed não dispunha de um túnel de vento para testes, encaminhou o projeto do
novo Electra-10 para o túnel de vento da Universidade de Michigan. O engenheiro que
realizou os testes apontou no seu relatório algumas deficiências e propôs diversas su-
gestões valiosas para o desenvolvimento do projeto. A Lockheed o contratou imediata-
mente e ele permaneceu lá por 50 anos, tornando-se o mais famoso designer de aero-
naves do mundo. E quem era ele? Oras, Clarence Johnson, o mesmo jovem engenheiro
que havia sido reprovado no processo seletivo da Lockheed!
A chegada da Segunda Guerra Mundial acelerou a demanda por aviões e, em 1938, a
Lockheed recebeu um pedido de 250 Electras - renomeado "Hudson" pelos britânicos –
para serem entregues em 18 meses. O pedido foi posteriormente aumentado para
3.000 aviões. No total, a Lockheed entregou cerca de 20.000 aviões durante o período
1939-1945. Em menos de 25 anos, o número de empregados da companhia aumentou
de apenas 9 para 94.000.
Infelizmente, a empresa cresceu muito nas décadas seguintes em função de novas
guerras (principalmente a guerra fria) e da corrida armamentista. Nas décadas de 70 e
80, a Lockheed projetou e produziu mais de 400 naves espaciais. Em 20 de julho de
1976 a sonda Viking I aterrizou em Marte. As câmaras e sensores produzidos pela
Lockheed gravaram e transmitiram por mais de 200 milhões de milhas de distância,
um grande número de informações e fotografias de Marte para a Terra. Outra sonda
famosa é a Voyager 2, que após alguns anos no espaço, encontrou Jupiter, Saturno,
Urano, Netuno e Triton. Os sensores da Voyager 2 continuam em operação após mais
de 17 anos e 2,5 bilhões de milhas percorridas.
Em 1990 o telescópio espacial Hubble foi colocado em órbita pelo ônibus espacial Co-
lumbia. O telescópio de 12 toneladas - uma obra-prima da tecnologia de satélites, mui-
ta da qual desenvolvida pela Lockheed - permite aos cientistas ver bilhões de anos luz
no passado desde quando o universo foi formado.
Parte A - Filas na Produção
Em 15 de março de 1995 os acionistas aprovaram a fusão da Lockheed com a Martin

Marietta, constituindo uma megacorporação com 170.000 empregados e US$ 23 bi-
lhões em vendas. Em janeiro de 2006, o gerente de operações da empresa se aposentou
e incumbiu seu substituto de contratar um jovem engenheiro formado pela Escola de
Engenharia Mauá como assessor. Quem seria esse engenheiro? Oras, você!
O seu supervisor, Clarence Johnson II, o levou para um passeio pela fábrica, mostran-
do diversas áreas em que você deveria prestar atenção. Como assessor da gerência, a
sua primeira missão é aprovar a compra de uma nova máquina de estampagem para a
fábrica de micro-placas eletrônicas. Um representante do fornecedor das máquinas
apresentou duas máquinas de estampagem de placas. A máquina A custa US$
20.000,00 e produz 10 unidades por hora, enquanto a máquina B custa US$ 60.000,00
e produz 11 placas por hora. As placas chegam ao setor de estampagem a uma taxa de
8 por hora e o custo por peça em espera é estimado (de acordo com o preço de venda do
produto que utiliza as placas) em US$ 20,00 por hora. Você assume que a produção de
placas e as taxas de chegadas seguem uma distribuição exponencial. A planta opera 24
horas por dia durante 360 dias ao ano.
34
Questões
1) Qual máquina você recomendaria que fosse comprada? Por quê?

2) Muitos dos componentes da máquina B são feitos no Japão. Com o aumento da taxa
de câmbio dólar/iene, a máquina B passou a custar US$ 70.000,00. Este aumento de
preço altera a sua decisão?
3) Um dia após o trabalho, enquanto você está na barbearia/cabeleireiro cortando o
cabelo, o barbeiro/cabeleireiro fofoca que o dólar vai cair ainda mais em função da "po-
lítica nojenta desse governo safado". Como a burocracia na sua empresa é tão longa
quanto a distância até a lua, enquanto a velocidade é menor do que a do "Model-G
Hydro-Aeroplane", você fica preocupado, imaginando se a sua decisão ainda será corre-
ta no momento do pagamento da fatura. Percentualmente, qual é o limite de aumento
no preço da máquina B que mantém correta a decisão anterior?
4) Cerca de um mês depois, você recebe um e-mail do seu supervisor pedindo para que
se dirija imediatamente ao seu escritório. Ao chegar lá, ele vai direto ao ponto:
"Eu acabo de chegar da reunião da gerência. Parece que estão todos perplexos e confu-
sos acerca das suas recomendações de comprarmos uma máquina que custa três vezes
mais e produz apenas uma placa por hora (10%) a mais do que a outra máquina. Todo
mundo olhou para mim e eu não consegui explicar o seu raciocínio".
Você explica pacientemente o modelo de filas utilizado, destacando os seus cálculos e

confirmando suas recomendações. O supervisor retruca:
"Nosso pessoal é formado por engenheiros e administradores com muita visão prática e
que são muito céticos em relação ao uso de modelos teóricos. No passado, nós tínhamos
todo o tipo de especialistas, inclusive um formado em métodos quantitativos – que infe-
lizmente não foi aluno de Pesquisa Operacional II na EEM. Assim, o pessoal daqui
concluiu que esses modelos funcionam na teoria, mas não na prática. Por exemplo, os
seus cálculos e recomendações foram baseados no custo de espera de US$ 20,00 por ho-
ra por placa. Na prática este custo pode variar entre US$ 10,00 e US$ 30,00. Por outro
lado, me parece que o tempo de produção é melhor aproximado por um valor constante
do que por uma distribuição exponencial".
Como você responderia a esta colocação? Mostre como (e se) a sua recomendação é afe-
tada pelas alterações no custo de espera e na distribuição do tempo de serviço. Estude
apenas valores inteiros do custo de espera, entre US$ 10,00 e US$ 30,00.
5) Após a sua explicação, o supervisor (de olhos arregalados e boca aberta) exclama:
"Isto é brilhante! Eu tenho que apresentá-lo na nossa próxima reunião da gerência".
E assim, você participa da sua primeira reunião da gerência: parabéns! Após a sua
apresentação sobre a compra da máquina, diversos gerentes sênior vêm apertar a sua
mão e felicitá-lo pelo excelente trabalho. Três meses depois, quando a máquina é fi-
nalmente instalada e inicia a produção, você descobre que o "profissional" que vendeu
a máquina era um vendedor de carros usados que, atualmente, é foragido da polícia. A
produção de onze placas por hora só pode ser atingida em condições irreais; no chão de
fábrica a máquina produz apenas 10,5 placas por hora. Você devolveria a máquina B e
compraria a máquina A (de um vendedor honesto)? Explique.
35
Parte B - Entrada da Área de Segurança
Uma semana depois, com a reputação ainda em alta, você recebe um chamado de Ber-
nie Gross Jr, vice-presidente de Pesquisa e Desenvolvimento. O centro de P&D, uma
fábrica considerada no "estado da arte", projeta e testa novos produtos para a NASA,
Força Área e para o mercado civil. Com a recente convicção da existência de um espião
nos níveis mais altos da companhia, a segurança no centro de P&D foi reforçada e uma
estação de raios X será colocada na entrada, com capacidade para verificar 45 traba-
lhadores por hora. Em média, 20 cientistas chegam por hora e, tanto o intervalo entre
as chegadas de cientistas quanto o tempo de processamento podem ser aproximados
por distribuições exponenciais. Com os recentes cortes na área de defesa e com a impo-
sição do novo programa de austeridade da Lockheed, o vice-presidente Gross quer a
sua ajuda para determinar o custo devido à espera dos cientistas em fila.
Questões
1) Especificamente, o sr. Gross gostaria de respostas para as seguintes questões:

a) Quantos trabalhadores aguardarão em fila? Por quanto tempo (em minutos)?
b) Quanto tempo cada trabalhador gastará no sistema de segurança?
2) Devido ao alto calibre dos empregados, a companhia gasta um total de US$ 65,00
por hora por empregado. Este valor inclui salários, benefícios sociais, custos diretos,
custos indiretos e overhead. Qual é o custo anual associado ao sistema de segurança da
Lockheed, assumindo turnos de 24 horas por dia, 360 dias por ano?
3) Cada máquina de raios X custa US$ 50.000,00, enquanto os salários e benefícios
sociais dos operadores atingem o montante de US$ 30.000,00 ao ano. Você autorizaria
a compra de uma ou duas máquinas de raios X? Qual é o número ótimo de máquinas?
4) Graças às valiosas contribuições anteriores, você passa a ser convidado regular das
reuniões da gerência. Na última reunião, Alice Erhard, vice-presidente de RH, relatou
que, devido ao fluxo de centenas de cientistas do antigo bloco soviético, a Lockheed es-
tá em condições de contratar um pessoal altamente qualificado por salários baixos. Em
seguida, ela apresenta alguns gráficos e transparências com valores específicos de sa-
lários. De volta ao seu escritório você recalcula o custo de espera por hora, por empre-
gado, para US$ 52,00. De que forma esta mudança afeta as suas recomendações?
5) Um grande concorrente da Lockheed está demitindo milhares de trabalhadores e
vendendo equipamentos ociosos. Entre os equipamentos à venda, existem máquinas de
raios X, à venda por US$ 20.000,00 cada. Como esta situação afeta sua decisão?
6) Após as máquinas citadas na questão 5 chegarem à fábrica para um período de tes-
tes você descobre que se tratam de equipamentos antigos, capazes de processar apenas
40 pessoas por hora. Que efeito esta informação tem sobre a sua decisão?
36
Parte C - Filas de Atendimento Médico
Algumas semanas após o encontro da gerência com a vice-presidente de RH, ela o con-
vida para almoçar no Silicon Valey Country Club. Enchendo a cara de piña colada em
uma elegante sala de jantar, você descobre que Alice Erhard está muito impressionada
com as economias que você gerou na fábrica de micro-placas e no centro de P&D. Ela
gostaria que você analisasse o problema da clínica médica da empresa onde existe um
problema de fila (e provavelmente um de gerência também).
O complexo da Lockheed é compreendido por diversos edifícios distribuídos por várias
milhas quadradas. A empresa, baseada no Vale do Silício, emprega entre 10.000 e
30.000 empregados. As necessidades médicas dos trabalhadores no horário de trabalho
são atendidas pela clínica da empresa, que funciona em um edifício separado e é for-
mada por uma sala de espera e várias salas de atendimento. A clínica emprega um
médico e uma enfermeira em tempo integral e fica aberta das 7h às 19h, 360 dias por
ano. Estima-se que os empregados cheguem a uma taxa média de 4 por hora e que o
médico consiga atender 5 pessoas por hora; as distribuições estatísticas das variáveis
aleatórias envolvidas podem ser aproximadas por distribuições exponenciais.
Questões
1) A sra. Erhard gostaria da sua ajuda para responder às seguintes questões:

a) Quantas pessoas, em média, aguardarão na sala de espera? Por quanto tempo?
b) Quanto tempo uma pessoa gastará na clínica?
2) Quanto custará anualmente para a empresa o tempo total gasto na clínica por seus
funcionários? O salário médio de um empregado da Lockheed é de US$ 30,00/h.
3) Você dá a este projeto prioridade total, prepara um relatório meticuloso e profissio-
nal, põe numa pasta de couro e o entrega a sra. Erhard em um jantar festivo no Chez
Pierre's (o restaurante mais exclusivo da cidade). Ela está muito animada com o jantar
e promete olhar o relatório com atenção, voltando a conversar com você mais tarde.
Dois dias depois, ela lhe telefona e acrescenta a seguinte informação: o Dr. Hawkins,
atual médico da clínica, está com problemas de saúde e pretende se aposentar. O RH
pré-selecionou duas candidatas para ocuparem a vaga: a Dra. Rose Abbott e a Dra.
Julia Brown. A Dra. Abbott é graduada por Stanford, possui cinco anos de experiência,
é capaz de atender 5 pacientes por hora e pretende receber US$ 50.000,00 por ano. A
Dra. Brown é graduada pela UCLA e também possui cinco anos de experiência. Ela é
capaz de atender 6 pacientes por hora e pretende receber US$ 100.000,00 por ano.
Qual candidata você recomendaria que a sra. Erhard contratasse?
4) A candidata "perdedora" fez uma nova proposta ao RH da empresa: ela e o marido
(que é clínico geral) se mudariam para as imediações da empresa e atenderiam, cada
um, 5 pacientes por hora. No entanto, para compensar os inconvenientes da mudança
de casa, cada um gostaria de receber US$ 100.000,00 por ano. Alice Erhard gostaria
que você analisasse esta proposta (que, aliás, ela considerou completamente absurda).
5) Intrigada com a sua recomendação anterior, Alice quer saber se uma possível alte-
ração nos salários tornaria (ou manteria) viável a proposta "alternativa" anterior.
37
6) Após ouvir suas recomendações, Alice pergunta se não seria mais interessante con-
tratar as duas candidatas, cada uma para um turno de 6 horas. O que você responde-
ria? Como de costume, justifique matematicamente sua recomendação.
7) Enquanto estava trabalhando nestas questões, você recebe um memorando do sr.
Malcom J. Loughead III – membro sênior do conselho – lhe avisando que, como parte
da reforma de saúde do governo, um imposto de 4% passará a ser aplicado sobre todos
os serviços médicos. Além disso, todo médico deverá preencher vários formulários ex-
tensos e complicados. Conseqüentemente, os médicos serão capazes de atender um pa-
ciente a menos por hora. Para lidar com o custo adicional e ainda se manter dentro de
uma política austera de gastos, a companhia pretende bloquear o acesso à assistência
médica de todos os trabalhadores temporários e de meio período. Assim, apenas três
pacientes chegarão por hora na clínica, em média. Finalmente, você fica sabendo que a
proposta "alternativa" (ver questões 4 e 5) foi vetada e a sua indicação inicial (questão
3) prevaleceu.
a) Quantas pessoas aguardarão na sala de espera agora?
b) Quanto tempo cada empregado aguardará na sala de espera?
c) Quanto tempo cada empregado passará na clínica?
d) Quanto custará para a empresa o tempo de espera gasto na clínica por ano?
8) Durante seu estudo deste problema, você notou que, se somente os trabalhadores
em tempo integral forem atendidos, o salário médio de US$ 30,00 por hora não seria
mais válido. Revendo as informações, você descobre que o valor de salário médio mais
adequado para a situação deveria ser de US$ 40,00 por hora. Refaça os cálculos dos
custos de espera da empresa e verifique o impacto percentual do aumento do salário
médio no custo total de operação do sistema.
38
EPM103 (2013) Teoria das Filas (apêndices)
Apêndices
A - Teste do qui-quadrado
O teste do qui-quadrado baseia-se no cálculo dos desvios entre as freqüências acumu-

ladas observadas em cada classe de valores e as freqüências teóricas (usando-se o mo-
delo escolhido) nas mesmas classes. A expressão a seguir mostra como calcular a esta-
tística E para utilização no teste de aderência proposto.
Ok  Tk
Ek  (A1)
Tk
K
E   Ek2 (A2)
k 1
Em cada classe calcula-se o valor Ek, que é a diferença entre o número observado de
elementos, Ok, e o valor teórico, Tk, dividida pelo valor teórico da classe (Tk). O somató-
rio dos valores Ek, para todas as k classes envolvidas determina a estatística E, cuja
distribuição é qui-quadrado com k-1-n graus de liberdade, sendo n é o número de pa-
râmetros estimados a partir da amostra coletada.
Escolhendo-se um nível de significância ALFA e k-1-n graus de liberdade, obtém-se da
tabela da distribuição qui-quadrado o valor Ecrítico. Se E for maior que Ecrítico, rejeita-se
a hipótese de que a amostra observada provém de uma população com a distribuição
teórica adotada.
A Tabela A.1 mostra um exemplo das classes de freqüências (k=9) dos tempos de aten-
dimento de um terminal portuário com um único berço, o número de elementos obser-
vados por classe e o valor acumulado, a freqüência teórica acumulada por classe e o
número teórico de elementos por classe, considerando que a distribuição normal será
testada aos dados observados. A partir dos dados da amostra são estimados os valores
da média (=420) e do desvio padrão (=40).
Para o cálculo da estatística E são utilizadas a terceira e quinta coluna da tabela A.1.
O valor E obtido pela aplicação das expressões A.1 e A.2 é 0,47938. Como foram calcu-
lados os valores da média e desvio padrão da distribuição a partir da amostra, o valor
de n será 2.
Assumindo  igual a 5%, e k-1-n igual a 6, o valor Ecrítico é de 12,589. Como E é menor
que Ecrítico, aceita-se que a distribuição normal adere aos dados observados. Outro teste
de aderência importante é o de Kolmogorov-Smirnov, mais poderoso do que o teste do
qui-quadrado, cujos detalhes podem ser encontrados em bons livros de estatística.
39
Tabela A.1 - Exemplo de freqüências observadas e teóricas
Número Número teó-

Número de Freqüência
Classes de acumulado rico e acumu-
elementos acumulada
frequência de elementos lado de ele-
observados teórica
observados mentos
340-360 3 3 0,0410 2,005
360-380 3 6 0,1056 5,28
380-400 4 10 0,2266 11,33
400-420 11 21 0,4013 20,06
420-440 6 27 0,5987 29,33
440-460 13 40 0,7734 38,67
460-480 2 42 0,8944 44,72
480-500 4 46 0,9599 47,99
500-520 4 50 0,9878 49,39
40
B - Alguns valores de p0 para o sistema de fila M/M/s
1
 s 1 1    n 1    s  s 
Expressão para cálculo: p0          
n  0 n!    s!     s   
Número de servidores (s)

/ 2 3 4 5
0,15 0,8605 0,8607 0,8607 0,8607
0,20 0,8182 0,8187 0,8187 0,8187
0,25 0,7778 0,7778 0,7778 0,7778
0,30 0,7391 0,7407 0,7408 0,7408
0,35 0,7021 0,7046 0,7047 0,7047
0,40 0,6667 0,6701 0,6703 0,6703
0,45 0,6327 0,6373 0,6376 0,6376
0,50 0,6000 0,6061 0,6065 0,6065
0,55 0,5686 0,5763 0,5769 0,5769
0,60 0,5385 0,5479 0,5487 0,5488
0,65 0,5094 0,5209 0,5219 0,5220
0,70 0,4815 0,4952 0,4965 0,4966
0,75 0,4545 0,4706 0,4722 0,4724
0,80 0,4286 0,4472 0,4491 0,4493
0,85 0,4035 0,4248 0,4271 0,4274
0,90 0,3793 0,4035 0,4062 0,4065
0,95 0,3333 0,3636 0,3673 0,3678
1,20 0,2500 0,2941 0,3002 0,3011
1,40 0,1765 0,2360 0,2449 0,2463
1,60 0,1111 0,1872 0,1993 0,2014
1,80 0,0526 0,1460 0,1616 0,1646
2,00 0,1111 0,1304 0,1343
2,20 0,0815 0,1046 0,1094
2,40 0,0562 0,0831 0,0889
2,60 0,0345 0,0651 0,0721
2,80 0,0160 0,0502 0,0581
3,00 0,0377 0,0466
3,20 0,0273 0,0372
3,40 0,0186 0,0293
3,60 0,0113 0,0228
3,80 0,0051 0,0174
4,00 0,0130
4,20 0,0093
4,40 0,0063
4,60 0,0038
4,80 0,0017
41
C - Formulário geral
Fórmula de Little: L  W , para qualquer sistema estável   1 .
Modelo M/M/1

 p0  1   p j  1    j , j  1,2, P[ k no sistema]  k

2 2  
Lq   Ls   L 
1        1   
Modelo M/M/1/c (estável para qualquer valor de )
Taxa efetiva de entrada no sistema: c   1  pc  ; Ls  1  p0 ; L  Ls  Lq
 1  p j   j p0 , j  1,..., c
   :   p0 
 1   c1 p j  0, jc
 1  c  1  c c c1

L
1   c1 1   
1 c
    : pj  , j  0,1,2,, c L
1 c 2
Modelo M/D/1
 2
 p0  1   Lq  Ls   L  Lq  Ls
 21   
Modelo M/M/s
1
  s1 1    n 1    s  s  s s p
 p0          P j  s 
s!     s    s! 1   
0
s n0 n!   
P  j  s  
Lq  Ls  L  Lq  Ls
1  
pj 
s 
j
p0 , j  1,2, [ Sem fila ] pj 
s  j p0 , j  s, s  1, s  2, [ Com fila ]
j! s! s j s
 1  e  t ( s1s ) 
P(W  t)  e  t
1  P( j  s) s  1  s  P(Wq  t)  P( j  s)e s (1  ) t
 
Análise econômica (genérica): CT  CE  CA , sendo
CT = custo total de operação do sistema;

CE = custo associado à espera dos clientes;
CA = custo associado ao(s) servidor(es) do sistema.
42

Apostila - Teoria de Filas Mauá

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

Apostila - Teoria de Filas Mauá

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO MAUÁ DE TECNOLOGIA Centro Universitário

Escola de Engenharia Mauá

Teoria das Filas

Elaboração: Afonso Celso Medina

Teoria das Filas

 Tempo médio de espera de um elemento em fila;

E outras características menos agregadas, tais como:

 Distribuição estatística do tempo de espera em fila;

O procedimento para o estudo de um problema de fila pode ser resumido em 4 etapas:

 Identificar e relacionar as variáveis que condicionam o problema;

2. Processos de chegadas e de atendimento

1) Os dados disponíveis na planilha "Teoria das Filas - dados.xls" (à disposição no sítio

Figura 1 - Sistema com uma fila e um servidor

Uma estrutura mais próxima daquela encontrada em agências bancárias é mostrada

Figura 2 - Sistema com uma fila e vários servidores em paralelo

Em sistemas de manufatura, várias peças (clientes) podem entrar em um sistema

Figura 3 - Sistema de fila com servidores em série

A caracterização de um sistema de fila é dada pela notação de Kendall-Lee, que carac-

a: indica o processo de chegadas dos elementos aos postos de atendimento, definido

M = os intervalos de tempo entre chegadas sucessivas são variáveis aleatórias in-

b: indica o processo de atendimento dos elementos em cada posto de serviço, definido

d: é a disciplina de atendimento dos elementos da fila, de acordo com a descrição feita

Por exemplo, a notação M/G/3/FCFS/5/, representa um sistema em que:

- Os tempos entre chegadas sucessivas são exponencialmente distribuídos;

2) Identifique textualmente as seguintes filas:

6. Regime transitório vs. estado estacionário

Considere, por exemplo, a lanchonete da faculdade. O proprietário deseja determinar

Considere qualquer sistema de filas em estado estacionário, onde:

 = taxa média de chegadas de clientes no sistema (clientes/unidade de tempo);

Neste caso, a fórmula de Little é definida como:

8.1. Processo estocástico

ria X t , t  T , é chamado de espaço de estados do processo. No caso de uma fila, são

a) N t  representa o número de clientes no sistema no instante t. É

Se for possível estudar os processos estocásticos apresentados e determinar expressões

8.2. Processo estocástico com incrementos independentes

8.3. Processo de Markov

P X (t)  x / X (t0 )  x0 , X (t1 )  x1 ,...., X (tn )  xn   PX (t)  x / X (tn )  xn 

Ou seja, um processo estocástico é um processo de Markov se a probabilidade de um

8.4. Variável aleatória sem memória

Portanto, a probabilidade de que um cliente chegue após as 8h 05min é independente

Importante. A variável aleatória exponencial1 X, com função densidade de

é a única variável aleatória contínua que não tem memória.

3) Suponha que a lanchonete da escola tenha estudado seu sistema de atendimento e

8.5. Processo de Poisson

PN t0  t   N t0   n 

Para um processo de Poisson, a expressão anterior fornece a probabilidade da ocorrên-

Se o número de chegadas que ocorrem em um intervalo t segue uma distribuição

4) Suponha que a lanchonete da faculdade tenha estudado o seu sistema de atendi-

5) Considere um ponto de ônibus onde os intervalos de tempo entre as chegadas su-

8.6. Cadeia de Markov

PX n 1  j / X0  i0 , X1  i1 ,..., X n 1  in 1 , X n  i  PX n 1  j / X n  i  pij

Observe, à semelhança do que foi mencionado no caso do processo de Markov, a inde-

ou, em termos matriciais:

6) Uma empresa de locação de automóveis deseja analisar o seu sistema de recepção

0,50 0,30 0,20

b) Qual é a probabilidade, p22 , de que um automóvel retirado no posto 2 seja devolvido

9) Crie um novo diagrama de transição de estados para o problema anterior, conside-

11) (A ruína do apostador) Um apostador tem, inicialmente, R$ 2,00 disponíveis; a

Uma cadeia de Markov é ergódica se for aperiódica e permitir alcançar qualquer

9. Modelo de fila M/M/1

- Processo de chegadas: Poisson (o intervalo de tempo entre chegadas sucessivas é

PN t   j / N t0   n1 ,..., N tn   i  PN t   j / N tn   i

Neste caso, o processo estocástico,  N t , t  0 , é um processo de Markov com espaço

Por este motivo, o processo estocástico  N t , t  0  é muitas vezes chamado de pro-