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 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 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 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 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 2 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção É um sistema do tipo M/M/s com no máximo “c” consumidores no sistema. Quando a capacidade “c” do sistema for atingida os clientes são dispensados e perdidos para o sistema. Os parâmetros são: Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A taxa de entrada (chegadas) no sistema será: λj = λ para j = 1, 2, ..., c – 1. = 0 se j ≥ c. A taxa de saída do sistema será: µj = jµ para j = 1, 2, ..., s - 1. = sµ para j = s, s + 1, …, c. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Este modelo corresponde ao sistema M/M/s já estudado anteriormente, só que agora existe perda, pois o (k+1)-ésimo cliente não poderá entrar no sistema pois ele se encontra lotado. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Neste caso, será considerado que s > 1 (o caso s = 1 já foi estudado) e que s < c, pois se s ≥ c, o tempo de espera para os clientes que entram no sistema é zero. A taxa de saída do sistema dependerá do estado do sistema. A população é suposta infinita e a disciplina da fila é FIFO. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A taxa média de entrada no sistema é: onde pc é a probabilidade de o sistema estar cheio. As probabilidades pj de existirem “j” clientes no sistema são obtidas por: )p1(λpλpλλ c 1c 0j j 1c 0j j m −=∑=∑= − = − = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Como ρ = λ/sµ então: > = = = − c j se 0 c ..., s, j se p µ λ s!s 1 1-s ..., 1, 0, j se p µ λ !j 1 p 0 j 0 j j sj 3 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Desta forma: > = = = ρ ρ c j se 0 c ..., s, j se !s 1-s ..., 1, 0, j se !j ps p )s( p 0 js 0 j j )p !s ρs1(λ)p1(λλ 0 cs cm −=−= Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Quando ρ ≠ 1, tem-se: ρ− − += = ρ− − += +=+= ρρ ∑ ρ ρρ∑ ρ ∑ ρ∑ ρ∑ ρ∑ ρ +− − = +− − = = − == − = − 1 1 !s!j 1 1 !s!j !s!j!s!j 1scs1s 0j j 1sc s s1s 0j j c sj j s1s 0j jc sj j 1s 0j j 1 0 )s()s( s)s( s)s(s s)s(p Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Quando ρ = 1, temos: )1sc( !s!j 1 !s!j!s!j ) ss ssss(p s1s 0j j c sj s1s 0j jc sj j 1s 0j j 1 0 s +−+= +=+ ρ = ∑ ∑∑∑ ρ ∑ − = = − == − = − Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Resumindo, tem-se: =ρ ≠ρ = +−+∑ ρ− ρ−ρ +∑ ρ − = +− − = − − 1 se 1 se )1sc( !s s !j s 1 1 !s )s( !j )s( p s1s 0j j 1scs1s 0j j 1 1 0 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Do tamanho médio da fila do sistema M/M/s tem-se: ∑ += −= c 1sj jq pL )sj( Então, para este caso: ρ− − ρ = ρ == =−=−= ρρ∑ρρ∑ ρρ ∑ ρρ∑ ρ +− + − = + − = −+ += −−+ += 1 1 d d !sd d !s j !s )sj( !s!s )sj( 1sc 1s s 0 sc 0j j1s s 0 sc 1j 1j1s s 0 c 1sj 1sj1s s 0 c 1sj 0 js q spspsp sppsL Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Então, para este caso, isto é, ρ ≠ 1: }1{ !s 1 !s sssk1 !s 1)1sc( !s )]sc)(1(1[ )1( sp0 )1( )]sc)(1(1[sp )1( sp )1( )1(spL sc 2 1ss 2 sc 1s s 0 2 1scsc1scscsc 1s s 0 2 1scsc 1s s 0q ρ−ρ−+ ρ− ρ ρ− ρ−ρ−+ρ ρ− ρρρρρρ ρ− ρρρ−ρ − + − + +−−+−−− + +−− + −= − = −++−− = = −++−− = 4 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Quando ρ = 1, tem-se: 2 )1sc)(sc( !s j !s )sj( !s!s )sj( spsp sppsL s 0 sc 1j s 0 c 1sj s 0 c 1sj 0 s q +−− == =−=−= ∑ ∑∑ − = +=+= Então, juntando os dois resultados, temos: =ρ+−− ≠ρ− = ρ−ρ−+ ρ− ρ − + 1 se 2 )1sc)(sc( !s 1 se }1{ !s sp )]sc)(1(1[ )1( sp L s 0 sc 2 1ss q 0 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção O número médio de clientes no sistema quando ρ ≠ 1 é, a exemplo do sistema M/M/s: ps)]sc)(1(1[ )1( sp0 ps)]sc)(1(1[ )1( sp0 sp )]sc)(1(1[ )1( sp0mLq 0 1c1s sc 2 1ss 0 cs sc 2 1ss cs 0 sc 2 1ss !s s}1{ !s !s 1s}1{ !s !s 1 }1{ !s L ρρ−ρ−+ ρ− ρ ρρ−ρ−+ ρ− ρ ρ ρ−ρ−+ ρ− ρ µ λ+ ++ − + − + − + −ρ+−= −ρ+−= µ −λ +−== Prof. Lorí Viali, Dr. – PUCRS– FAMAT: Departamento de Estatística Curso: Engenharia de Produção ρ+−= ρ+−= ρ++−= ρ+−−= ρρ−ρ−+ ρ− ρ ρρ−+−ρ−+ ρ− ρ ρ−ρ−ρ−+ ρ− ρ ρ−ρρ−ρ−+ ρ− ρ − + − + − + −− + s}1{ !s s}1{ !s s}s1{ !s s}s1{ !s L )]sc)(1(1[ )1( sp ))]1(ssc)(1(1[ )1( sp )1()]sc)(1(1[ )1( sp )1()]sc)(1(1[ )1( sp sc 2 1s 0 s sc 2 1s 0 s 2sc 2 1s 0 s 2scsc 2 1s 0 s Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Quando ρ = 1, tem-se: s !s2 s)1sc)(sc( !s s !s2 )1sc)(sc( !s 1s !s2 )1sc)(sc( L sp0 sp0sp0 sp0sp0mLq s 1ss ss + −+−− = −+ +−− = −+ +−− == + µ λ+ Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Então, juntando os dois resultados, temos: 1 se s !s2 s)1sc)(sc( 1 se s}1{ !s L sp0 )]sc)(1(1[ )1( sp0 s sc 2 1ss =ρ+ −+−− ≠ρρ+− = ρρ−ρ−+ ρ− ρ − + Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Tempo médio de espera na fila, quando ρ ≠ 1. )]}sc)(1(1[1{ )!s( !s -1 )]}sc)(1(1[1{ !s !s -1 )]}sc)(1(1[1{ !s sc 0 cs2 s 0 1s cs 0 sc 2 s 0 1s cs 0 sc1s s 0 m q q ps)1( sp sp )1( sp sp spL W −ρ−+− −µ = µ −ρ−+− = λ −ρ−+− == ρ ρρ− ρ ρ ρ ρ− ρ ρ ρρ λ − − − − −+ 5 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Tempo médio de espera na fila, quando ρ = 1. )!s(2 )1sc)(sc( !s -1s !s2 )1sc)(sc( !s -1 !s2 )1sc)(sc( ps sp sp sp sp spL W 0 s 0 1s s 0 s 0 s 0 s 0 m q q −µ +−− = µ +−− = λ +−− == − λ Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Resumindo os dois resultados, tem-se: =ρ −µ +−− ≠ρ−ρ−+− −µ = − − − ρ ρρ− ρ 1 se )!s(2 )1sc)(sc( 1 se )]}sc)(1(1[1{ )!s( ps sp ps)1( sp W 0 s 0 1s sc 0 cs2 s 0 1s q Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção O tempo de espera no sistema é dado por: λ = µ += m q L1 W W Assim quando ρ ≠ 1, tem-se: µ +−ρ−+− −µ = µ += ρ ρρ− ρ − − 1 )]}sc)(1(1[1{ )!s( 1 W sc 0 cs2 s 0 1s q ps)1( sp W Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Assim quando ρ = 1, tem-se: µ + −µ +−− = µ += − 1 )!s(2 )1sc)(sc(1 W ps sp W 0 s 0 1s q Resumindo, tem-se: =ρ µ + −µ +−− ≠ρ µ +−ρ−+− −µ = − − − ρ ρρ− ρ 1 se 1 )!s(2 )1sc)(sc( 1 se 1 )]}sc)(1(1[1{ )!s( W ps sp ps)1( sp 0 s 0 1s sc 0 cs2 s 0 1s Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A probabilidade de o tempo de espera na fila ser zero P(T = 0) é a probabilidade de o sistema ter s - 1 clientes. Assim: ∑ ρ ∑ − = − = === 1s 0j 0 j1s 0j j p )s( p !j )0T(P Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Considere um salão de beleza com três cabeleireiros trabalhando. Uma média de 15 clientes por hora chegam ao estabelecimento para serem atendidos. Cada cabeleireiro leva em média 15 minutos para atender um cliente. A capacidade do salão é de 12 clientes por hora. 6 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Os clientes que não encontram lugar abandonam o salão e vão procurar atendimento em outro local. Determine: (i) O número médio de clientes que entram no salão. (ii) O tamanho médio da fila. (iii) O tempo médio de espera na fila. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Temos um sistema M/M/3/12 com λ = 15 clientes por hora e µ = 4 clientes por hora. Assim ρ = 15/3.4 = 1,25. Tem-se ainda que s = 3 e c = 3.4 = 12. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção (i) O número médio de clientes que entram no salão será: Então λm = 15(1 – 0,215376) = 11,77. Portanto 3,23 clientes, por hora, são perdidos. )p !s ρs1(λ)p1(λλ 0 cs cm −=−= Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção (ii) O tamanho médio da fila é dado por: Então Lq = 5,96 clientes. 1 quando }1{ !s 0 )]sc)(1(1[ )1( sp L sc 2 1ss q ≠ρ−= ρ−ρ−+ρ− ρ − + Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção (iii) O tempo médio de espera na fila é dado por: Então Wq = 0,51 horas = 30,40 minutos. 1 se )]}sc)(1(1[1{ )!s( s 0 sc 0 cs2 1s q ps)1( sp W ≠ρ−ρ−+− −µ = ρ ρρ− ρ − − Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção 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