MODELAGEM E SIMULAO REFERENTE AO PROCESSO DE FILAS DE ATENDIMENTO

Juazeiro-Ba Julho de 2011

1

Marcos Rogrio Rocha Ramos

Aluno do curso de Graduao em Engenharia de Computao Universidade Federal do Vale do So Francisco UNIVASF

MODELAGEM E SIMULAO REFERENTE AO PROCESSO DE FILAS DE ATENDIMENTO

Relatrio apresentado disciplina de Modelagem e Simulao, referente ao estudo do processo de filas de atendimento, requisitado pelo Professor Brauliro G. Leal.

Juazeiro-Ba Julho de 2011

2

SUMRIO
1. Introduo................................................................................................................. 04 2. Descrio do Sistema Simulado................................................................................ 04 3. Objetivos.................................................................................................................... 04 4. Resultados Obtidos.................................................................................................... 04 5. Concluses................................................................................................................. 09 6. Referncias Bibliogrficas......................................................................................... 09

1. Introduo
O problema das filas de atendimento est em quase todo lugar. Empresas, Instituies e at mesmo pequenos estabelecimentos orientados para prestaes de servios a clientes frequentemente enfrentam longas filas de espera com tempos indeterminados de atendimento. As Unidades Lotricas da CAIXA (Casas Lotricas) so um exemplo de estabelecimento que a todo o momento enfrentam esse tipo de problema. Isso se deve por conta da diversidade de servios prestados. Diante desse cenrio, fez-se um estudo de caso referente ao processo de atendimento da casa lotrica Loteria Estrela da Sorte situada na Av. Adolfo Viana em Juazeiro-Ba, com intuito de diminuir as filas que so rotineiramente formadas, otimizando, desse modo, os servios prestados. O estudo analisou duas variveis: o tempo do cliente na fila e o tempo de servio despendido em cada atendimento. Como essas variveis possuem um comportamento estocstico, a anlise das distribuies de probabilidades foi fundamental para representar a multiplicidade de ocorrncias dessas variveis.

2. Descrio do Sistema Simulado

Na unidade lotrica que foi objeto de estudo, o horrio de funcionamento de segunda a sexta-feira das 08 s 18hs e aos sbados das 08 s 13hs, sendo que o horrio de maior movimento est entre 10 e 13hs e entre 16 e 18hs no meio de semana, e no sbado das 09 s 12hs. Os dados foram coletados no dia 07 de maio de 2011 (sbado) pela manh, horrio em que o fluxo de movimentao bastante significativo. Os dados coletados em campo encontram-se na planilha do Excel anexa ao trabalho. O atendimento no dia da coleta era realizado por trs terminais com fila nica, sendo um terminal exclusivo para atendimento preferencial. Cada cliente era atendido obedecendo a ordem de chegada na fila.

3. Objetivos
O principal objetivo do projeto foi estudar o processo de modelagem e simulao usando como base o modelo de filas de atendimento, assim como entender os procedimentos relacionados com a anlise dos resultados obtidos. Para tanto, as seguintes etapas foram realizadas de modo que as variveis estudadas pudessem ser analisadas: 1. 2. 3. 4. 5. Processo de amostragem e coleta dos dados; Tratamento dos dados; Identificao da distribuio estatstica; Estimao dos parmetros da distribuio identificada; Testes de aderncia.

4. Resultados Obtidos
Primeiramente, a amostra foi colhida tomando-se a hora de chegada de cada cliente na fila, a hora em que o cliente comeou a ser atendido e a hora de trmino do atendimento. De posse desses dados, pde-se inferir o tempo desde a ltima chegada (tempo entre chegadas) e o tempo de 4

atendimento de cada cliente, o tempo em que o cliente permaneceu na fila e o tempo total despendido pelo servio, sendo o tempo desde a ltima chegada (TDUC) e o tempo de servio (TS) de cada cliente as variveis que foram analisadas. Para verificar se a amostra colhida era representativa, utilizou-se a Equao I. Nela, supe-se que a mdia e o desvio padro da amostra equivalente a mdia e o desvio padro da populao.

onde: z = 1,96 (valor Normal padronizado para um nvel de confiana de 95%); = desvio padro da populao; = mdia da populao; e0 = nvel de confiana da mdia, em geral, e0 = 0,2 (80% de confiana). Portanto, a hiptese testada foi: H0: np na => x e s em que np o tamanho da populao, na o tamanho da amostra coletada, a mdia da populao, x a mdia da amostra, o desvio padro da populao e s o desvio padro da amostra. Na planilha do Excel encontram-se os resultados feitos atravs da amostra coletada, tais como: o tempo mdio de espera na fila, o tempo mdio de servio, o tempo mdio despendido no sistema, o tempo mdio entre chegadas, o desvio padro do tempo entre chegadas, o desvio padro do tempo de servio, a estimativa do tamanho da amostra (utilizando a Equao I) para TDUC e a estimativa do tamanho da amostra para TS para (a) os 60 dados coletados e para (b) os 55 primeiros dados; nesse caso, tirou-se os ltimos cinco dados para o processo de validao da amostra. Como np < na tanto para na = 60 quanto para na = 55 nas duas variveis analisadas, conclui-se que a hiptese verdadeira e, portanto, a amostra representativa. Como a amostra foi representativa, foi analisada qual distribuio terica de probabilidades poderia representar, da melhor maneira possvel, o comportamento estocstico das variveis sob anlises. Para auxiliar na identificao da distribuio, os dados foram atribudos em classes, de modo a obter a representao dos dados atravs de um histograma. Para determinar o nmero de classes (k) foi utilizada a Regra da Raiz de n (Equao II), onde n o nmero de observaes. Como n = 55, portanto os dados foram divididos em 7 classes, como mostra as Figuras 01 e 02. Diante do perfil obtido dos histogramas, pde-se inferir uma distribuio terica de probabilidade para representar os dados das variveis aleatrias e calcular os parmetros correspondentes para cada distribuio. Para TDUC foram testadas as distribuies de Poisson (com parmetro ), Gamma (com parmetros e ) e Normal (com parmetros e ) e para TS as distribuies Normal (com parmetros e ) e Gamma (com parmetros e ). Outras distribuies tambm poderiam ter sido testadas, mas por conta da dificuldade na determinao dos seus parmetros no foram citadas nesse trabalho. Os parmetros das distribuies escolhidas so calculados respectivamente usando as seguintes relaes: 5

Tempo Entre Chegadas

20 15 10 5 0 0-13 14-27 28-41 42-55 56-69 70-83 84-97 Classes Figura 01: Histograma das frequncias dos tempos entre chegadas de cada cliente distribudos em 7 classes.

Frequncia

30

Tempo de Servio

Frequncia

20 10 0 0-33 34-67 68-101 102-135 136-169 170-203 204-237 Classes

Figura 02: Histograma das frequncias dos tempos de servios distribudos em 7 classes.

Logo, para TDUC os parmetros so: = 26,78 (para a distribuio de Poisson); = 1,88 e = 14,24 (para a distribuio Gamma); e = 26,78 e = 19,53 (para a distribuio Normal). J para TS os parmetros so: = 98,51 e = 38,30 (para a distribuio Normal); e = 6,62 e = 14,89 (para a distribuio Gamma). Para testar a aderncia dos dados com relao s distribuies escolhidas foram utilizados os testes Chi-quadrado e Kolmogorov-Smirnov (K-S). O teste Chi-quadrado dado pela seguinte frmula:

onde: k = nmero de classes ou intervalos f0 = frequncia observada nas classes fe = frequncia esperada nas classes

Se

= 0 no existem diferenas entre a distribuio de terica e a observada. Quanto maior

for o valor de , maior a discrepncia entre as duas distribuies. Pode-se demonstrar que a segue, aproximadamente, a distribuio Chi-quadrado com = k-1-p graus de liberdade, onde p o nmero de parmetros da distribuio sob hiptese, as seguintes hipteses devem ser testadas: 1. H0: a varivel aleatria X, segue a distribuio sob hiptese com o(s) parmetro(s) estimado(s); 2. H1: a varivel aleatria X, no segue a distribuio sob hiptese com o(s) parmetro(s) estimado(s). Para a deciso compara-se o valor calculado de com os valores crticos de Os valores crticos so fornecidos pela tabela da distribuio Chi-quadrado. A hiptese nula H0 rejeitada se . J o teste K-S usado com a mesma inteno que o Chi-quadrado, isto , testar se uma distribuio amostral segue uma determinada distribuio terica. O teste baseia-se na comparao das probabilidades acumuladas das duas distribuies (observada e terica). Para a consulta em uma tabela de valores crticos, toma-se a o maior valor K-S observado, isto , o que corresponde ao maior desvio entre as duas distribuies. Se este valor for menor que o valor da tabela no se pode rejeitar a hiptese de que os dados seguem a distribuio considerada. De acordo com o teste Chi-quadrado feito na planilha do Excel, as concluses para a varivel TDUC foram: A varivel aleatria TDUC no segue a distribuio de Poisson com parmetro = 26,78, mas segue a distribuio Gamma com parmetros = 1,88 e = 14,24. Pois para a distribuio de Poisson o foi igual a 18974,22 e o valor crtico fornecido pela tabela da distribuio Chi-quadrado para = 5% e 55 foi 67,5, portanto 18974,22 > 67,5. Com relao distribuio Gamma, o O valor de foi igual a 0,23, portanto 0,23 < 67,5; calculado para a Distribuio Normal foi 1,22. Como para a Distribuio

Gamma foi menor, uma vez que quanto menor for o valor de , menor a discrepncia entre a distribuio amostral e a terica, foi utilizada a distribuio Gamma para representar a varivel TDUC. No teste K-S para os dados de TDUC o maior valor da diferena para as distribuies de Poisson, Gamma e Normal foram, respectivamente, 0,42; 0,09 e 0,15. Comparando estes valores com o valor obtido da tabela de valores crticos do teste K-S, com = 5% e n = 55, isto , 0,608 (1,36/sqrt(n)), tem-se que todos so menores, ento considera-se o menor valor dentre eles, pois a discrepncia ser menor entre a distribuio amostral e a terica. Portanto, a hiptese de que os dados seguem a distribuio Gamma aceita. Para o caso da varivel TS, no teste Chi-quadrado o valor de para a distribuio Normal foi 0,37 e para a distribuio Gamma foi 0,25. Como ambos os valores so menores que o valor crtico tabelado, a saber, 67,5, escolheu-se a distribuio Gamma para representar a varivel TS, pois como j foi dito, quanto menor for o valor de terica. , menor a discrepncia entre a distribuio amostral e a

J no teste K-S, o maior valor da diferena para as distribuies Normal e Gamma foram, respectivamente, 0,137 e 0,092. Para = 0,05 e n = 55, o valor crtico igual a 0,608. Como o menor valor da diferena o da distribuio Gamma e 0,092 < 0,608, tem-se que a hiptese de que os dados seguem a distribuio Gamma aceita. A escolha de qual tipo de teste utilizar quando da realizao de testes de aderncia baseia-se em dois fatores principais: a quantidade de elementos observados e o tipo de distribuio qual se deseja fazer referncia. Se a distribuio sobre a qual se deseja testar os dados for uma distribuio discreta, descarta-se a possibilidade de uso do teste K-S. Sendo aquela uma distribuio contnua, ambos os testes se aplicam.

Grfico Box-plot
Outra forma de representar dados em termos dos quantis ou percentis. Essas medidas so particularmente teis para dados no simtricos. A mediana definida como o valor que divide os dados ordenados ao meio, i.e. metade dos dados tm valores maiores do que a mediana, a outra metade tem valores menores do que a mediana. Adicionalmente, os quartis inferior (primeiro quartil) e superior (terceiro quartil), Q1 e Q3, so definidos como os valores abaixo dos quais esto um quarto e trs quartos, respectivamente, dos dados. Estes trs valores so frequentemente usados para resumir os dados juntamente com o mnimo e o mximo. Para um nmero par de observaes, a mediana a mdia dos valores do meio (e analogamente para os quartis inferior e superior). A medida de disperso a amplitude interquartis, IQR = Q3 - Q1, ou seja, a diferena entre o quartil superior e o inferior. Box-plot so simples representaes diagramticas dos cinco nmeros sumrios: (mnimo, quartil inferior, mediana, quartil superior, mximo). Quanto maior a caixa maior a disperso das observaes. As Figuras 03 e 04 mostram, respectivamente, os grficos box-plot da varivel TDUC e TS. Para TDUC o mnimo, quartil inferior, mediana, quartil superior e mximo so, respectivamente, 62,5; 93,5; 181; 298,25 e 436,5. Para TS os valores so, respectivamente, 33; 296,75; 404; 1185,5 e 2028.

Figura 03: Box-plot dos dados da varivel TDUC.

Figura 04: Box-plot dos dados da varivel TS.

5. Concluses
Embora a distribuio de Poisson seja muito empregada na modelagem de sistemas por meio da Teoria das Filas, nota-se que atravs dos testes Chi-quadrado e K-S a distribuio no poder ser usada para representar os dados coletados da varivel aleatria TDUC, podendo esta ser representada pela distribuio Gamma. O histograma obtido atravs dos dados em classes da varivel TS influenciou na escolha da distribuio Normal para testar a hiptese de que os dados de TS seguem esta distribuio. No entanto, quando foi testada a distribuio Gamma por ambos os testes, a discrepncia entre a distribuio amostral e esta foi menor do que na distribuio Normal. O que levou a aceitar a hiptese de que os dados da varivel TS seguem a distribuio Gamma. O estudo realizado serviu para se ter uma idia geral no processo de atendimento realizado na casa lotrica Loteria Estrela da Sorte no dia da coleta dos dados. Com o estudo, pde-se perceber que o tempo mdio despendido pelo cliente na fila bastante considervel, cerca de 30 minutos. Por outro lado, o tempo mdio de atendimento tolervel, cerca de 1,6 minutos. Portanto, deve-se propor solues para que venha diminuir o tempo do cliente na fila. Uma sugesto seria ter mais terminais de atendimento disponveis, visto que para esse sistema no momento da coleta somente dois terminais estavam funcionando.

6. Referncias Bibliogrficas
[1] Modelagem e Simulao. Disponvel em: <http://www.univasf.edu.br/~brauliro.leal/aula/CCMP0057.Texto.pdf>. Acesso em 10 Jun. 2011. [2] Anlise e Tratamento de Dados para a Simulao. Disponvel em: <http://www.inf.ufsc.br/~freitass/dir/SimulacaoDiscreta/LivroPF/Cap 5.pdf>. Acesso em 10 Jun. 2011.