Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III A notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns: λ = número médio de clientes que entram no sistema por unidade de tempo; µ = número médio de clientes atendidos (que saem do sistema) por unidade de tempo; L = número médio de clientes no sistema; Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Lq = número médio de clientes na fila; Ls = número médio de clientes sendo atendidos; W = tempo médio que o cliente fica no sistema; Wq = tempo médio que o cliente fica na fila; Ws = tempo médio que um cliente leva para ser atendido. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III W(t) = a probabilidade de que um cliente fique mais do que um tempo t no sistema; Wq(t) = a probabilidade de que um cliente fique mais do que um tempo t na fila. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Para um sistema de filas está em estado estacionário, tem-se: L = λW Lq =λWq Ls = λWs L é expresso em número de clientes, λ é expresso em termos de clientes por hora e W é expresso em horas. Assim λW tem a mesma unidade (clientes) de L. As três equações acima são válidas para qualquer sistema de filas. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III É um sistema com tempos interchegadas exponencialmente distribuídos de parâmetro λ e tempo de serviço exponencialmente distribuídos com parâmetro µ e com “s” servidores atuando em paralelo e uma única fila de clientes. Se j ≤ s clientes estiverem no sistema então todos estarão sendo atendidos. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Se j > s clientes estiverem no sistema então j – s clientes estarão esperando na fila. Qualquer cliente que chegar e encontrar um servidor ocioso será atendido imediatamente e aqueles que não encontrarem servidores livres entrarão na fila esperando para serem atendidos. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Bancos e correios na qual todos os clientes esperam numa fila única são muitas vezes representados por esse tipo de modelo. Para descrever esse tipo de modelo da mesma forma como os demais será suposto que: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III λj = λ para j = 0, 1, 2, 3, … Se j servidores estiverem ocupados então a finalização do serviço ocorre a uma taxa de µ + µ + … + µ = jµ Sempre que j clientes estiverem presentes o min(j, s) servidores estarão ocupados. Assim: µj = min(j, s)µ. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Resumindo então esse modelo pode ser representado como um processo de nascimento e morte com os seguintes parâmetros: λj = λ para j = 0, 1, 2, 3, … µj = jµ para j = 0, 1, 2, …, s µj = sµ para j = s, s + 1, s + 2, … Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Define-se ρ = λ/(sµ) para ρ < 1, então: e ∑ ρ− ρ + ρ = − = 1s 0i si0 )1(!s )s( !i )s( 1 p s ..., 2, 1, j para !j 0 j j p)s( p == ρ ... 2,s 1,s s, j para !s 0Ps j sj!s 0P j)s( j s s p ++=ρ= − ρ = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Se ρ ≥ 1, então não existe um estado estacionário. Em outras palavras se a taxa de chegadas é igual ou maior a taxa de serviço λ ≥ sµ então o sistema não dará mais conta. Pode ser mostrado que, a probabilidade do estado estacionário, quando todos os servidores estão ocupados é dado por: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III que é a probabilidade de que um consumidor tenha que entrar na fila. Essa probabilidade é bastante utilizada em telefonia e é conhecida como fórmula C de Erlang. )1(!s p)s( )sj(P 0 s ρ− ρ =≥ Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III O tempo de espera médio na fila é dado por: Então: ρ− ρ≥ = 1 )sj(P Lq λ−µ ≥ = λ = s )sj(PL W q q Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Para determinar L (e então W) utiliza-se o fato de que L = Lq + Ls. Uma vez que Ws = 1/µ, utilizando o Teorema um, segue que: Ls = λ/µ e então: L = Lq + λ/µ. Também: W = L/λ = µ + λ−µ ≥ = µ += µ + λ 1 s )sj(P1 W 1L q q Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III W(t) = a probabilidade de que um cliente fique mais do que um tempo t no sistema; Wq(t) = a probabilidade de que um cliente fique mais do que um tempo t na fila. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III ρ−− − ≥+= = ρ−−ρ− − += ρ−−µ− µ− ρ−−µ− µ− ρ )s1s( ]1[)sj(P1 )s1s)(1(!s ]1[ 1)t(W e e ep)s( e )s1s(t t )s1s(t 0 s t ee p)s( W )1(ts)1(ts0 s q )sj(P)1(!s)t( ρ−µ−ρ−µ− ≥= ρ− = ρ Quando s -1 = sρ ]t)sj(P1[)t(W e t µ≥+= µ− Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Considere um banco com dois caixas. Uma média de 80 clientes por hora chegam ao banco e esperam na fila para serem atendidos. Cada caixa leva na média 1,2 minutos para atender um cliente. Determine: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III 1. O número esperado de clientes no banco? 2. O tempo médio gasto por cliente no banco? 3. A fração de tempo que um caixa está livre? Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Temos um sistema M/M/2 com λ = 80 clientes por hora e µ = 50 clientes por hora. Assim ρ = 80/2.50 = 0,80 < 1 e portanto existe um estado estacionário. Para λ ≥ 100 nenhum estado estacionário irá existir. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III A probabilidade de o sistema estar vazio é dado por: Então: 7111,0 9 4,6 )80,01(!2 )9/1()8,0.2( )1(!s p)s( )sj(P 2 0 s == − = ρ− ρ =≥ 9 1 4,0 6,1 6,11 1 )8,01(!2 )8,0.2( 8,0.21 1 )1(!s )s( !i )s( 1 p 221s 0i si0 = ++ = − ++ = ∑ ρ− ρ + ρ = − = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de EstatísticaCurso: Engenharia de Produção Teoria das filas – Parte III 1. 2. Tem-se L = Lq + λ/µ = 2,84 + 80/50 = 4,44 clientes. Então: W = 4,44/80 = 0,0556 horas = = 3,33 minutos. 3. Para determinar o tempo que um atendente está livre é preciso considerar que isso irá ocorrer sempre que j = 0 e na metade do clientes 84,2 8,01 8,0.7111,0 1 )sj(P Lq = − = ρ− ρ≥ = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III tempo (por simetria) em que j = 1. Então a probabilidade de eque o servidor esteja livre é dada por p0 + 0,5p1. Como p0 = 1/9, basta determinar p1. Tem-se p1 = (sρ)jp0/j! e, então p1 = (2.0,8)(1/9)/1 = 8/45 = 0,1777. Assim a probabilidade de que um atendente esteja livre é: (1/9) + 0,8/9 = 1,8/9 = 0,20 = 20% Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III O gerente de um banco quer determinar quantos caixas devem trabalhar nas sextas feiras. Para cada minuto que um cliente gasta na fila o gerente estima um custo de $ 0,25. Uma média de dois clientes por minuto chegam ao banco. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Na média um caixa atende um cliente a cada 2 minutos. O banco tem um custo de $ 9,00 a hora para contratar um caixa. Para minimizar a soma dos custos quantos caixas o banco deve manter trabalhando nas sextas? Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Temos um sistema M/M/s com λ = 2 clientes por minuto e µ = 0,5 clientes por minuto. Assim ρ = (λ/sµ) < 1 requer que (4/s) < 1 para que o sistema esteja em equilíbrio. Assim s ≥ 5. Isto é, deve existir pelo menos 5 caixas para que a fila não vá para o infinito. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Vamos calcular agora os custos para s = 5, 6, … Custos = (Serviço + Espera) por minuto. Custo de serviço = 9/60 = $ 0,15, já que cada caixa ganha $ 9,00 a hora. Custo de espera = (Número esperado de clientes/minuto).(custo de espera/cliente) Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Mas: custo de espera/cliente = 0,05Wq. Como chegam 2 clientes, em média por minuto: Custo de espera = 2.0,05Wq = 0,10Wq. Para s = 5, ρ = 2/0,5.5 = 0,80 e P(j ≥ 5) = 0,55. Ainda Wq = Lq/λ = P(j ≥ s)/(sµ – λ) = = 0,55/(5.0,5 – 2) = 1,1 minutos. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Assim para s = 5 Custo de espera/minuto = 0,10.1,1 = $ 0,11 e Custo total = 0,15.5 + 0,11 = $ 0,86. Como s = 6 tem um custo de serviço de 6.0,15 = $ 0,90 por minuto, 6 caixas não tem um custo menor do que 5 caixas. Assim 5 caixas é o número ótimo. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III Colocando de outro forma: adicionar um caixa pode poupar no máximo 11 centavos por minuto em custos de espera, mas como um caixa custa 15 centavos por minuto, não é vantajoso contratar mais do que cinco caixas. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Teoria das filas – Parte III GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, 1991. KLEINROCK, Leonard. Queueing Systems: v. 1: Theory. New York: John Wiley, 1975. WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press, 1994.
Compartilhar