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 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; R = Servidores (mecânicos) no sistema; K = número de máquinas ou aparelhos no sistema; Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção L = número médio de clientes no sistema; 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 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 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Com exceção do Modelo M/M/1/GD/c/∞ todos os modelos que foram vistos apresentaram taxas que são independentes do estado do sistema. No entanto existem situações em que essa hipótese pode não se válida. 2 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Se os clientes não querem enfrentar longas filas a taxa de chegada pode ser uma função decrescente do número de pessoas presentes na fila. Se as chegadas ao sistema são provenientes de uma população pequena, então a taxa pode depender do estado do sistema. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Por exemplo, se um banco possui somente 10 depositantes então no instante em que todos estiverem no banco a taxa de chegadas será zero. Modelos em que as chegadas são retiradas de populações pequenas são denominados de modelos de fonte finita. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção No modelo da oficina de manutenção o sistema consiste de K máquinas e R pessoas encarregadas do serviço. A qualquer instante de tempo uma máquina está em boas ou más condições. O tempo em que uma máquina está em boas condições é exponencial com taxa λ. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Sempre que uma máquina quebrar ela será enviada para o centro de reparos com R pessoas em serviço. No centro de serviços é como se as máquinas estivessem chegando a um sistema M/M/R/GD/K/K. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Assim se j ≤ R máquinas estiverem quebradas a máquina que quebrar será imediatamente enviada para conserto. Se j > R então j – R máquinas estarão na fila para serem consertadas. O tempo necessário para consertar uma máquina é exponencial com taxa µ (ou tempo médio de conserto de 1/µ). Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Sempre que uma máquina for consertada ela volta ao serviço e pode quebrar novamente. Utilizando a notação de Kendall o modelo pode ser expresso como M/M/R/GD/K/K. O primeiro K indica que a qualquer tempo não mais do K consumidores (ou máquinas) estão presentes e o segundo que as chegadas são de uma fonte finita de tamanho K. 3 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Para determinar o estado do sistema em “j” deve-se observar que existem k – j máquinas em boas condições. Uma vez que as máquinas quebram a uma taxa λ, a taxa total de quebra quando o estado do sistema é j é: λj = λ + λ + λ + ... + λ = (K – j)λ Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Para determinar a taxa de saídas do modelo lembrar que no estado j, min(j, r) atendentes estarão ocupados. Como cada um trabalha a uma taxa de µ, a taxa de saída é dada por: µj = jµ se (j = 0, 1, 2, ..., R) µj = Rµ se (j = R + 1, R + 2, ..., K) Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Define-se ρ = λ/µ e uma aplicação do Teorema um fornece as seguintes probabilidades para o estado estacionário: K ..., 2,R 1,R j se R!R p!jj K p R ..., 2, 1, 0, j se pj K p Rj 0 j j 0 j j ++= ρ = =ρ = − Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Nesse caso, tem-se: ∑ ρ +∑ ρ =∑+∑=∑ += − =+=== K 1Rj Rj j R j j K Rj j R j j K j j R!R !j j K j K pppp 0 0 100 Como: 1 0 =∑ = K j jp Vem: ∑ ρ +∑ ρ = += − = − K 1Rj Rj j R j j R!R !j j K j K p 0 1 0 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Com essas probabilidades é possível então determinar L = número médio de máquinas no sistema, Lq = número médio de máquinas esperando para serem consertadas, W = tempo médio que uma máquina fica quebrada e Wq = tempo médio que uma máquina espera para ser consertada. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Aqui não existem expressões simples para esses valores: ∑ ρ +∑ ρ =∑= += − == K 1Rj Rj j R j j K j j R !j j K j R! 1 j K jp jpL 0 0 0 ∑ −= = K Rj jq p)Rj(L 4 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Como a taxa de chegadas depende do sistema o número de chegadas por unidade de tempo é dado por , onde: Assim: e )LK( pj)-(K p K j j K j jj −λ=∑ λ=∑ λ=λ == 00 λ )Lk( LL W −λ = λ = )LK( LL W qq q −λ = λ = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção A polícia de Pokofurto tem 5 carros patrulha. Cada carro quebra em média a cada 30 dias. A oficina tem dois mecânicos com cada um levando uma média de 3 dias para consertar um carro. Os tempos envolvidos podem ser considerados exponenciais. Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção 1. Determine o número médio de carros em serviço. 2. Qual o tempo médio que um carro fica for a de serviço? 3. Encontre a fração de tempo que um mecânico fica ocioso? Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Esse é um modelo de reparo com K = 5, R = 2, λ = 1/30 carros por dia e µ = 1/3 carros por dia. Então: ρ = (1/30)/(1/3) = 1/10 p1,0p 10 1 2 5 p 00 2 2 = = p5,0p 10 1 1 5 p 001 = = Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção p, ! p! p 023 0 3 3 0150 22 3 10 1 3 5 = = − p, ! p! p 024 0 4 4 00150 22 4 10 1 4 5 = = − p, ! p! p 025 0 5 5 00010 22 5 10 1 5 5 = = − Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Então: p0(1+ 0,5 + 0,1 + 0,015 + 0,0015 +0,0001) = 1,6166 Assim p0 = 0,6186. 5 Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Portanto: p1 = 0,3093, p2 = 0,0619, p3 = 0,0093, p4 = 0,0009 e p5 = 0,0000. 1. O número esperado de carros em boas condições é K – L que é dado por: 5 – [0.0,6186 +1.0,3093 + 2.0,0619 + + 3.0,0093 + 4.0,0009 + 5.0,0000] = 4,964 ≅ 4,96 carros em bos condições. =∑− = 5 0j j jpK Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção Procuramos W = L/ onde: = 0,1512 carros por dia. Ou λ(K – L) = 4,5584/30 = 0,1512 carros por dia. Como L = 0,4648 carros, encontramos que W = 0,4648/0,1512 = 3,07 dias. λ =+++++=∑ −λ=λ = )p0pp2p3p4p5( 30 1 p)j5( 543210 5 0j j Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística Curso: Engenharia de Produção 3. A fração de tempo que um mecânico, em particular, fica ocioso é dado por p0 + 0,5p1 = 0,6186 + 0,5.0,3093 = 0,77. Se existissem três pessoas a fração de tempo que cada um fica ocioso seria dado por: p0 + (2/3)p1 + (1/3)p2 . De modo geral, tem-se: p R 1 ...p R 2R p R 1R p 1R210 −++ − + − + 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