Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar; que cada pessoa tenha um supermercado para o seu abastecimento exclusivo; Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Recursos limitados devem ser compartilhados. Ao compartilhar recursos, pode acontecer que no momento em que se queira fazer uso de um recurso, este esteja ocupado; necessidade de esperar aparecem as filas Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Um fluxo é o movimento de alguma entidade através de um ou mais canais de capacidade finita para ir de um ponto a outro. Capacidade finita significa que o canal só pode satisfazer a demanda a uma taxa finita. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Exemplos: � fluxo de automóveis (entidades) através de uma rede de caminhos (canais) � transmissão de mensagens telefônicas (entidades) através da rede (canal) Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Os fluxos podem ser classificados em: � Determinísticos: sistemas no qual o comportamento da demanda pelo serviço é previsível; � Aleatório: não é possível predizer como vai se comportar a demanda pelo serviço. 2 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Para descrever um sistema de filas um processo de entrada e um de saída devem ser especificados. Alguns exemplos podem ser vistos na tabela seguinte: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Sistema Entrada Saída Banco Correntistas Atendentes Pizzaria on-line Requisição de pizza Atendente envia motoqueiro com a pizza Pedágio Automóveis Atendente cobra e libera o veículo Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A entrada é geralmente denominada de processo de chegada. Chegadas são denominadas de clientes. Em todos os sistemas será assumido que não mais do que uma chegada pode ocorrer em um único instante. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Será assumido que o processo não é afetado pelo número de clientes no sistema. Se o processo de chegada não é afetado pelo número de consumidores presentes ele é descrito pela especificação de uma distribuição de probabilidade para os tempos inter chegadas sucessivas. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Para descrever o processo de saída (processo de atendimento) de um sistema de filas é normalmente especificado uma distribuição de probabilidade – distribuição do tempo de serviço – que fornece o tempo de atendimento dos clientes. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Em muitas situações será assumido que o tempo de atendimento é independente do número de clientes presentes. Geralmente dois regimes de atendimento são considerados: em série e em paralelo. 3 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Regimes de atendimento Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção O serviço é paralelo se todos os atendentes fornecem o mesmo tipo de atendimento e o cliente só precisa passar por um atendente. Ele é em série se o cliente precisa passar por vários atendentes antes de ter seu serviço completado. Uma linha de montagem é um exemplo de tal tipo de serviço. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A disciplina da fila descreve o método usado para determinar a ordem em que os consumidores serão atendidos. O método mais comum é o FIFO (First In First Out) em que os clientes são atendidos pela ordem de chegada. Outro métodos é o LIFO (Last In FirstOut). Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Em alguns casos a ordem em que os clientes chegam não faz diferença é o método SIRO (Service In Randon Order). Um último método de atendimento é o atendimento por prioridade que classifica cada cliente de acordo com a maior ou menor necessidade de atendimento. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Outro fator que deve ser considerado é o processo que um cliente utiliza para decidir em qual fila ele vai entrar. Por exemplo em alguns bancos o cliente deve entrar numa fila única. Quando existem várias ele vai optar pela mais curta. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Na maioria das aplicações de filas deve-se tentar refletir a realidade e mantê-la computacionalmente tratável, assim a escolha mais comum é a distribuição Exponencial. 4 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção < ≥λ = λ 0 t se t se e. )t(f t 0 0- Uma variável aleatória T tem uma distribuição exponencial de parâmetro λ se sua fdp for do tipo: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Considere que a duração, em minutos, seja uma VAC exponencial com duração média de µ = 10. Se alguém chegou justo na sua frente na cabine telefônica, determine a probabilidade de que você tenha que esperar mais do que 10 minutos. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção [ ] %,,e )e(elim dte,)X(P t, t t, 793636790 1010 1 110 10 10 === =−−= =∫=≥ − −− ∞→ ∞ − Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção 0,0 0,5 1,0 1,5 2,0 1 11 21 31 41 51 61 71 81 91 101 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A função F(t) = P(T ≤ t) é dada por: 0 t se e-1 0 < t se 0 )t(F t- ≥ = λ Obs.: Tente determinar! Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00 0 1 2 3 4 5 6 7 8 9 10 5 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção λ = λ −− =∫+−= =∫ λ=∫= λ− λ− ∞ ∞ λ−λ− ∞ ∞ λ−+∞ ∞− 1e et dte]et[ dte.tdt)t(f.t)T(E t t 0 0 tt 0 0 t Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção σ2 = V(T) = E(T2) – E(T)2 λ = λλ =∫ λλ = =∫+−= =∫ λ=∫= ∞ λ− ∞ λ−λ− ∞ ∞ λ−+∞ ∞− 20 t 0 tt2 0 0 t222 21 . 2 dtet 2 dtte2]et[ dte.tdt)t(f.t)T(E Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A variância será então: λ = λ − λ = λ − λ = =−==σ 222 2 2 222 11212 )T(E)T(E)T(V E o desvio será: λ =σ 1Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Assim se T tem uma distribuição exponencial, então: λ 1 σ λ 1)T(E)T(E)T(Vσ λ 1)T(Eµ ee)t(F)t(F)tTt(P e)tT(P e1)tT(P)t(F eλ f(t) 2 222 λ-λ- 1221 tλ- tλ- tλ- t2t1 = =−== == −=−=≤≤ => −=≤= = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Seja T uma VAC com distribuição exponencial de parâmetro λ. Determinar o a probabilidade de T assumir valores superiores ao seu valor esperado. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção %79,36 3679,0 e ]e1[1)µ(F1)µX(P 1 λt === =−−=−=≥ − − 6 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Um dos motivos da utilização da Exponencial na teoria das filas é a sua propriedade de falta de memória: P(T > t + h/ T ≥ t) = P(T > h) Para quaisquer valores não negativos de t e h. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Pode ser mostrado que nenhuma outra VAC tem esse mesmo tipo de propriedade. Essa propriedade é denominada de falta de memória da variável. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Isto significa que se sabemos que um tempo t transcorreu desde a última chegada então a probabilidade de transcorra um tempo h até a próxima chegada não depende de t. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Assim se quisermos saber o tempo para a próxima chegada não importa há quanto tempo tenha ocorrido a última chegada. Essa propriedade pode simplificar a análise dos sistemas de filas. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se o tempo entre chegadas é exponencial então a distribuição do número de chegadas em qualquer intervalo de tempo t é dado pelo seguinte teorema: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Tempos interchegadas são exponenciais com parâmetro λλλλ se e só se o número de chegadas que ocorre num intervalo de tempo t segue uma distribuição de Poisson com parâmetro λλλλt. 7 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Uma VAD X tem uma distribuição de Poisson com parâmetro λλλλ se, para x = 0, 1, 2, ..., a probabilidade de P(X = x) é dada por: f(x) = P(X = x) = (e-λλλλλλλλx)/x! para x = 0, 1, 2, … Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se X tem uma distribuição de Poisson com parâmetro λλλλ então, tem-se que: E(X) = V(X) = λλλλ Assim: λ=σ Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se definirmos x como o número de chegadas que ocorrem durante qualquer intervalo de tempo t, então o teorema diz que: P(Xt = x) = [e -λt(λt)x]/x! Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Como Xt tem uma distribuição de Poisson com parâmetro λλλλt então: E(Xt) = V(Xt) = λλλλt Uma média de λλλλt chegadas ocorre durante um intervalo de tempo t, assim λλλλ pode ser pensado como o número médio de chegadas por unidade de tempo ou taxa de chegadas. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Para que a taxa de chegadas seja considerada exponencial algumas hipóteses devem ser satisfeitas: 1. Chegadas sobre intervalos de tempo não sobrepostos são independentes; 2. Para valores de t pequenos, a probabilidade de uma chegada é proporcional ao tamanho do intervalo. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se as condições 1 e 2 forem verdadeiras então: Xt segue uma distribuição de Poisson com parâmetro λλλλt onde os tempos interchegadas são exponenciais de parâmetro λλλλ. 8 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Em resumo: se a taxa de chegadas é estacionária e chegadas passadas não afetam as futuras, então os tempos interchegadas seguem uma distribuição exponencial com parâmetro λλλλ e o número de chegadas em qualquer intervalo de tempo t é Poisson com parâmetro λλλλt. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se o tempo interchegadas não é exponencial, então ele pode ser modelado pela distribuição de Erlang. Uma distribuição de Erlang é uma VAC cuja fdp depende de dois parâmetros: r = taxa e k = forma (que deve ser um inteiro positivo). Dados os parâmetros r e k a fdp da Erlang é dada por: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Uma VAD T tem uma distribuição de Erlang de parâmetros r e k f(t) = [r(rt)k-1e-rt]/(k – 1)! para t ≥ 0 Obs. A distribuição de Erlang será representada por E(r, k). Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A distribuição de Erlang é um caso particular da distribuição Gama. Agner Krarup Erlang (1878 – 1929), engenheiro dinamarquês que utilizou a teoria da Probabilidade para modelar e resolver problemas de telefonia. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Utilizando integração por partes podemos mostrar que se T tem uma distribuição de Erlang com parâmetros r e k, então: E(T) = k/r V(T) = k/r2 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção DANTAS, Carlos Alberto Barbosa. Probabilidade: Um Curso Introdutório. 2 ed. São Paulo: EDUSP, 2000. GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, 1991. WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press, 1994.
Compartilhar