Baixe o app para aproveitar ainda mais
Prévia do material em texto
Notas de aula Pesquisa Operacional II Teoria de Filas 1 Pesquisa Operacional II – Notas de aula Prof. Emerson Scheidegger Teoria de Filas Módulo 1 - Conceitos Básicos 1 – Conceito de Filas As filas existem constantemente no cotidiano das pessoas, indústrias, portos, etc. Para o engenheiro, as filas aparecem trazendo grandes implicações econômicas demandando uma solução racional para o problema. As filas ocorrem quando a demanda por um determinado serviço cresce além da sua capacidade de atendimento. Como exemplos de filas tem-se: navios aguardando em um porto para atracar, aeronaves aguardando para aterrizar, produtos aguardando para serem processados, clientes esperando atendimento em um caixa de banco, restaurante, médico, etc. A Teoria de Filas utiliza-se de matemática e de conceitos de processos estocásticos para estudar o processo de formação de filas. Analisa características como: número médio de usuários da fila, tempo médio de espera do usuário por serviço, número médio de usuários no sistema, tempo médio que o usuário gasta na fila e no atendimento e outras características. Tem como objetivo observar ou prever o comportamento de uma fila a fim de dimensionar corretamente as instalações de atendimento. Dimensionar corretamente as instalações significa obter um balanceamento econômico entre o custo do serviço e o custo associado à espera por este serviço. É impossível prever com precisão a demanda por um serviço e quanto tempo será necessário para a execução deste serviço. Oferecer serviços demais implicaria em custos excessivos, por outro lado oferecer com uma baixa capacidade implica na formação de filas, que excessivamente longas podem se tornar muito caras, por empregados aguardando atendimento, por perda de clientes, por produto em produção aguardando o processamento, etc. Segundo NOVAES , uma boa abordagem para problemas de filas pode ser aquela que permite uma análise preliminar através de um modelo matemático (Teoria de Filas), seguida de uma simulação (quando necessária), que considere aspectos não levados em conta. Pois, a simulação embora seja uma ferramenta muito poderosa, apresenta os inconvenientes de demandar muito tempo para sua realização. Os primeiros trabalhos nesta área foram realizados pelo matemático dinamarquês A. K. Erlang em 1909 para resolver problemas dos sistemas telefônicos. Nesta mesma área foram publicados trabalhos por Molina (1927) e Thornston Fry (1928). A partir de 1930 os trabalhos de Felix Polhaczek, Kolmogorov, Khitchine, Crommlin e Palm estenderam as pesquisas as mais diversas áreas. Muitas aplicações recentes desta Teoria foram desenvolvidas em diversas áreas como as de transporte, indústria, computação e outras. Notas de aula Pesquisa Operacional II Teoria de Filas 2 1. 2 - Características dos sistemas de Filas Figura 1 - Processo de fila A figura 1 apresenta um esquema ilustrativo de um processo de filas. Os clientes podem ser pessoas, itens esperando para serem processados, automóveis esperando para serem atendidos em um posto de pedágio, etc. A fila não precisa ser física. Um servidor não precisa ser um a única pessoa, pode ser um grupo de trabalhadores fazendo simultaneamente o serviço solicitado pelo cliente. Pode ser uma máquina para processar itens, etc. A seguir estão listadas as características básicas em todo processo de filas: Fonte de chegada (população): A população potencial que irá utilizar o serviço pode ser finita ou infinita. Os cálculos para os casos infinitos são bem mais fáceis. Assim esta suposição é feita, mesmo que o tamanho real da população seja um número finito relativamente grande. O caso finito é mais difícil analiticamente pois o número de clientes no sistema de filas afeta o numero de clientes potenciais a qualquer tempo (Lieberman). Processo de chegadas de clientes: A caracterização das chegadas é, normalmente, função da média das chegadas por unidade de tempo ou, equivalentemente do tempo médio entre chegadas Notas de aula Pesquisa Operacional II Teoria de Filas 3 sucessivas. Se as chegadas fossem conhecidas, e se fosse um processo determinístico, uma destas médias determina completamente o processo de chegadas. Se houvesse incerteza, e, se o processo fosse probabilístico ou estocástico, estas médias não são suficientes para a caracterização das chegadas, sendo necessário para tal efeito, definir a distribuição de probabilidade de variável aleatória que representa como o tempo entre chegadas sucessivas ou o número de usuários por unidade de tempo chegando para atendimento se distribuem em torno da média. As chegadas ao sistema podem ser individuais ou por grupos sendo que o número de cada grupo pode ser também probabilístico. λ: Taxa média de chegadas IC: intervalo médio entre chegadas IC 1 =λ λ 1 =IC Exemplo: A um caixa de supermercado chegam 10 clientes no intervalo de 1 hora : λ = 10clientes/hora min6min60 10 1 =×=IC Processo de atendimento: semelhante ao processo de chegada, existe um tempo médio que os servidores gastam para atender aos clientes. Um modelo de filas tem de especificar a distribuição de probabilidades destes tempos de atendimento. È comum supor a mesma distribuição de probabilidades para todos os servidores. µ: Taxa média de atendimento TA: tempo médio de atendimento TA 1 =µ µ 1 =TA Exemplo: Um caixa de supermercado atende 10 clientes / hora : µ = 10clientes/hora min6min60 10 1 =×=TA Os valores indicados para o processo de atendimento e chegada são valores médios, é necessário saber como eles se distribuem em torno da média, por isso as distribuições de probabilidades. Número de postos de atendimento (c): A quantidade de servidores que farão os atendimentos Notas de aula Pesquisa Operacional II Teoria de Filas 4 Capacidade do sistema: O sistema de filas pode ter capacidade para suportar filas finitas ou infinitas. Filas infinitas são consideradas na maioria dos modelos, mesmo para os casos em que exista um valor superior finito relativamente grande. A capacidade do sistema refere-se a limitações físicas de alguns processos impostos pelas medidas das salas de espera. Disciplina da fila: A disciplina se refere a como os usuários que estão na fila são selecionados para serem atendidos. Normalmente os modelos supõem a ordem de chegadas. FIFO (First in First out) 1.3 - Sistemas Estáveis A abordagem pela teoria das filas exige: - Estabilidade nos fluxos de chegada e no processo de atendimento (λ e µ constantes no tempo); - Os atendentes devem ser capazes de atender ao fluxo de chegada (cµ > λ). 1.4 - O Tamanho da Amostra - Escolha correta é fundamental para a confiabilidade dos dados. 1.5 - Opções de Dimensionamento - Uma fila única e um único servidor; - Uma fila e diversos servidores; - Diversas filas e diversos servidores; - Alteração dinâmica no sistema de atendimento. 1.6 - Gerenciamento De Filas - Modificar sistemas que possuem gargalos Notas de aula Pesquisa Operacional II Teoria de Filas 5 1.7 - Variáveis Randômicas (Aleatórias) Fundamentais • Variáveis referentes ao sistema - TS (W): Tempo Médio de permanência do cliente no sistema - NS( L): Número médio de clientes no sistema • Variáveis referentes ao processo de chegada - λ :Taxa de chegadas - IC = 1/λ : Intervalo entre chegadas • Variáveis referentes à fila - TF (Wq): Tempo médio de permanência do cliente na fila - NF (Lq): Número médio de clientes na fila • Variáveis referentes ao processo de atendimento - NA: Número médio de clientes que estão sendoatendidos - c: Quantidade de atendentes - µ: Taxa média de atendimento - TA = 1/µ : Tempo médio de atendimento Relações básicas NANFNS += TATFTS += Taxa de utilização dos atendentes - Uma fila / um atendente ⇒ µ λ =ρ - Uma fila / vários atendentes ⇒ µ λρ c = Notas de aula Pesquisa Operacional II Teoria de Filas 6 Intensidade de tráfego ou número mínimo de atendentes IC TAi = µ λ = ( i deve ser o próximo valor inteiro) Fórmulas de Little J.D.C Little demonstrou que para um sistema estável: qq WL ⋅= λ WL ⋅= λ WL λ= qq WL λ= µ 1 += qWW 1.8 Postulados Básicos a) Em qualquer fluxo estável, o fluxo que entra é igual ao que sai b) Em um sistema estável, o fluxo de entrada se mantém nas diversas seções do sistema Teremos sempre ρ < 1 (sistemas estáveis) Ex: ρ = 0,4 ⇒ o atendente fica 40% do tempo ocupado e 60% ocioso. Notas de aula Pesquisa Operacional II Teoria de Filas 7 c) Em um sistema estável, a junção de fluxos equivale às suas somas λ1+λ2=λ3 d) Em um sistema estável, o fluxo se desdobra aritmeticamente 2 - Modelos de Filas Básicos Notação de KENDALL De uma maneira geral, um modelo de filas pode ser descrito pela seguinte notação: A/B/c/K/m/Z , em que: A - distribuição dos intervalos entre chegadas; B - distribuição de tempos de serviços; c - quantidade de atendimento; K - capacidade máxima do sistema; M - tamanho da população que fornece clientes; Z - disciplina da fila (FIFO, LIFO). Os códigos utilizados para A e B são em geral os apresentados a seguir e representam a distribuição a utilizar. Notas de aula Pesquisa Operacional II Teoria de Filas 8 � M: exponencial negativa (M vem de memoryless, ou perda de memória)para tempos, ou Poisson para taxas. � D: determinística � Ek: distribuição Erlang de ordem k � G: distribuição genérica Quando utilizar A/B/C supõe-se que a fila não tem limites, a população é infinita e a disciplina é FIFO. 3. Aplicações Sistemas tradicionais • Balcão de check-in em um aeroporto • Caixas automáticos • Restaurantes self-service • Espera numa ligação 0800 • Interseção viária • Cabines de pedágio • Chamados a polícia, bombeiro ou empresas prestadoras de serviços Critérios para definição de níveis de serviço (NS) Relação entre nível de serviço e custos operacionais 4. Vantagens e desvantagens • Os modelos de filas sempre envolvem aproximações e simplificações do sistema real; • Os resultados podem ser úteis para: estimativas a respeito da grandeza de medidas de desempenho do sistema; • Análises de sensibilidade a respeito do impacto de mudanças operacionais; • Tomada de decisão sobre melhorias no sistema; • Os resultados são limitados a “condições de equilíbrio”. 5. Processo Estocástico Os processos com fila com tempos entre chegadas sucessivas e/ou de atendimento representados por variáveis aleatórias são processos denominados estocáticos (probabilísticos). Um processo estocástico {X(t) / t ∈ U} é uma família/ seqüência de variáveis aletórias X(t) que descreve a evolução de alguma característica X do processo sob análise ao longo do tempo t ∈ U. A um processo estocástico estão associados dois espaços: o espaço de estados, E e o espaço de parâmetros, U. O espaço E é o conjunto de valores que a variável aleatória X(t) pode assumir e o espaço U é o conjunto de valores assumidos pela varável t (tempos ou índices). Notas de aula Pesquisa Operacional II Teoria de Filas 9 Se E é um conjunto discreto, o processo estocástico é denominado cadeia estocástica, caso contrário é denominado processo contínuo. Se U é um conjunto discreto (índices), o processo é denotado por {Xt / t ∈ U}. Processo de Estados Discretos Número de estados possíveis de um sistema é uma quantidade finita, ou contável. Também conhecido como Cadeia Estocástica. Ex.: quantidade de pessoas numa fila, quantidade de celulares conectados a uma ERB. Processo de Estados Contínuos Número de estados possíveis de um sistema é uma quantidade infinita, ou contável. Ex.: tempo de conexão de um aparelho telefônico, tempo de espera numa fila. 6. Processos de Markov • É um Processo Estocástico onde: • Os estados futuros do processo são independentes dos estados passados e dependentes apenas do presente; • Para analisar um Processo de Markov não é necessário conhecer toda a trajetória de estados passados, apenas o estado anterior (o sistema não possui memória); • Nome em homenagem a A.A.Markov, que em 1907 definiu e analisou esses processos; • Um Processo de Markov de estados discretos é chamado Cadeia de Markov; • Aplicação: modelagem de Sistemas de Filas. Processos de Nascimento e Morte • São Cadeias de Markov onde as transições de estado são restritas a estados vizinhos apenas; • É possível representar o estado através de um número Inteiro. Estado do sistema: número de clientes no sistema de filas (n); • N(t) = número de clientes no sistema no instante t; • Pn(t) = probabilidade de N(t) ser igual a n; • λn: taxa média de chegadas quando N(t) = n; número de vezes por unidade de tempo que o sistema sai do estado n para o estado n+1 • µn: taxa média (combinada) de atendimentos quando N(t) = n; número de vezes por unidade de tempo que o sistema sai do estado n para o estado n-1 0 1 2 n-2 n-1 n n+1 λλλλ0 λλλλ1 3 λλλλ2 µµµµ1 µµµµ2 µµµµ3 λλλλn-2 λλλλn-1 λλλλn µµµµn+1 µµµµn µµµµn-1 ... Notas de aula Pesquisa Operacional II Teoria de Filas 10 Número de vezes que o sistema entra no estado é igual ao número de vezes que sai Número de vezes que sai do estado 1 para o estado zero por unidade de tempo vezes a probabilidade de estar no estado 1 = taxa de saída do estado zero Façamos: Notas de aula Pesquisa Operacional II Teoria de Filas 11 Com λn é a tx média no estado n, λ é a taxa média de chegada a longo prazo 7. Processo de Poisson Um processo de Poisson é uma cadeia de Markov de parâmetro contínuo onde a única mudança permitida a partir de qualquer estado n é para o estado n+1 e se processa com uma taxa constante. Então esse processo pode ser modelado de forma análoga a um processo de nascimento e morte, considerando-se as taxas de nascimento (ocorrências) λn = λ, ∀ n e as taxas de morte µn = 0, ∀ n ≥ 1. O processo de Poisson pode ser descrito de forma equivalente pela caracterização do tempo entre mudanças sucessivas como uma variável aleatória exponencial. 8. Modelos de filas baseados no processo de vida e morte � Estes modelos são casos especiais do processo de vida e morte; ∑ ∞ = −= cn nq PcnL )( λ LW = λ q q L W = n n nP∑ ∞ = = 0 λλ Notas de aula Pesquisa Operacional II Teoria de Filas 12 � Os resultados gerais do estado de equilíbrio são utilizados para a obtenção dos resultados dos diversos modelos baseados neste processo; � Estes modelos são ditos terem uma entrada de Poisson e tempos de serviços exponenciais; � Os modelos diferem apenas quanto as suas suposições de como λn e µn variam ao longo do tempo. Portanto variam Cn para cada modelo. a) FIFOMM ///1// ∞∞ b) FIFOcMM ///// ∞∞ c) FIFOkMM ///1// ∞ d) FIFOkcMM ///// ∞ e) FIFOMMM ///1// ∞ f) FIFOMcMM ///// ∞9. Outros modelos de filas a) FIFOEM k ///1// ∞∞ b) FIFOcEM k ///// ∞∞ c) Modelos sem uma chegada de Poisson d) Modelos determinísticos, etc Notas de aula Pesquisa Operacional II Teoria de Filas 13 Pesquisa Operacional II – Notas de aula Prof. Gesiane Silveira Pereira Teoria de Filas Módulo II - Coleta e Tratamento dos Dados 1. Testes de aderência Os dados coletados serão analisados estatisticamente, por meio de testes de aderência, para verificar se os dados aderem às distribuições de probabilidade. O estudo de filas exige, para os modelos baseados no processo de vida de morte, que a taxa de chegadas siga a distribuição de Poisson e os tempos de atendimento sigam distribuição exponencial. Estes testes podem ser feitos também para verificar se os tempos de atendimento seguem a distribuição de Erlang de grau n, pois existem formulações de TF onde os tempos de atendimento seguem esta distribuição. Portanto o objetivo dos testes de aderência são: - Verificar como os dados de chegadas e atendimento se distribuem em torno da média; - Verificar se a distribuição observada se desvia significativamente ou não da distribuição de probabilidades teórica 1.1 Teste Qui-Quadrado (χχχχ2) Dentre os diversos testes de aderência estudaremos o teste qui-quadrado. Para realizar o teste faz-se os seguintes passos: Passo 1) Supõe-se as seguintes hipóteses: Ho: os dados aderem à distribuição em questão H1: os dados não aderem à distribuição em questão Passo 2) Obtém-se o qui-quadrado calculado por meio da seguinte fórmula: ∑ = − = k E EO 1i i 2)ii(2 ν χ Onde: Oi � valores observados da variável aleatória Ei � valores esperados da variável aleatória Notas de aula Pesquisa Operacional II Teoria de Filas 14 Passo 3) Obtém-se o qui-quadrado tabelado. Para obter-se o qui-quadrado tabelado deve buscá-lo em uma tabela utilizando os parâmetros νννν e αααα . Em algumas tabelas deve-se utilizar νννν e (1-αααα). 2 1, ανχ − Onde: ν: graus de liberdade � ν = k – 1 – m k: número de classes m: número de parâmetros independentes (estimados) da distribuição α: grau de significância Passo 4) Compara-se o qui-quadrado calculado com o qui-quadrado tabelado Se ∑ = − = k E EO 1i i 2)ii(2 ν χ 2 1, ανχ −> Conclui-se que as freqüências observadas diferem, de modo significativo, dos esperados. Portanto há evidências para rejeitar H0. Se a hipótese H0 for rejeitada a α de significância, supondo α=0,05, significa que a probabilidade da decisão estar errada é de 5%, ou seja, há 5 % de chance da hipótese estar sendo rejeitada sendo ela verdadeira. 1.1.1 Processo de Chegadas Exemplo: Na tabela a seguir estão apresentados dados referentes a chegadas de veículos a um pedágio entre 7 e 8 horas da manhã 2 1 2 1 0 2 1 0 1 2 0 2 3 1 3 1 3 4 5 1 2 0 1 2 1 0 1 1 0 2 2 2 3 2 2 3 2 3 3 2 1 6 0 2 3 7 0 2 2 0 4 1 1 1 1 8 4 3 1 4 Quadro 1 - Quantidade de chegadas em intervalos de 1 min Iremos testar se os dados seguem uma distribuição de Poisson Notas de aula Pesquisa Operacional II Teoria de Filas 15 a) Cálculo do qui-quadrado Iremos utilizar uma tabela para auxiliar o cálculo do qui-quadrado Número de Chegadas por min Freqüência observada (Oi) Freqüência Esperada (Ei) i ii E EO 2)( − 0 9 8,1 0,1 1 17 16,26 0,034 2 17 16,26 0,034 3 9 10,80 0,3 4 4 5 1 6 1 8,58 0,039 7 1 8 1 Σ = 60 = N Σ = 0,507 Tabela 1 – Cálculo do qui-quadrado para Poisson Obs: Importante verificar se as freqüências em todas as classes são maiores que 5, caso contrário, agrupar as classes. Onde: Oi : freqüência observada para a classe i Ei: freqüência esperada para a classe i Ei= N.P(X=xi) P(X=xi): Probabilidade de ocorrência do número de chegadas xi N: número de observações a.1) Cálculo das probabilidades (Poisson) : x! .e� x)P(X �x − == a.2) Cálculo da taxa média de chegadas λ=120/60 λ=2 veículos/hora a.3) O teste Ho: os dados aderem à distribuição de Poisson H1: os dados não aderem à distribuição de Poisson 8 Notas de aula Pesquisa Operacional II Teoria de Filas 16 α=0,05 K=5 m=1 ν=k-1-m = 3 ( ) 815,72 05,01,3 =−χ tabelado i 2 ii K 1i 2 � E )E(O � − = ∑ = =0,507 calculado calculado < tabelado Portanto, há evidências para não rejeitar H0. Se não rejeitamos H0, significa que os dados aderem à distribuição de Poisson 1.1.2 - Processo de atendimento Exemplo: As durações do atendimento no pedágio foram também medidas e encontrou-se os valores indicados no quadro a seguir: 21 47 13 16 12 15 26 22 17 11 19 17 12 15 18 10 33 23 21 14 43 11 23 25 24 17 16 20 22 20 14 32 26 12 20 20 19 21 30 20 43 17 20 15 11 11 19 22 20 18 12 33 24 26 12 16 34 10 13 36 18 25 23 27 14 12 12 17 16 18 16 19 36 10 37 12 16 28 18 16 37 25 14 16 15 16 19 13 48 10 15 12 11 16 11 32 19 14 20 18 Quadro 2 – Duração do atendimento em segundos Vamos testar para uma distribuição exponencial a) Cálculo do qui-quadrado Notas de aula Pesquisa Operacional II Teoria de Filas 17 Classes (seg) Valor Observado (Oi) Valor Esperado (Ei) i ii E EO 2)( − 0 5 0 52,76 8,2 5 10 4 10 15 28 15 20 35 10,45 57,7 20 25 14 8,1 4,3 25 30 6 6,3 0,02 30 35 5 4,9 0 35 40 4 40 45 2 17,3 5 45 50 2 Σ =100 Σ = 75,2 Tabela 2 – Cálculo do qui-quadrado para a Distribuição Exponencial a.1) No de classes: 5 classes para N ≤ 25 N para N maior que 25 a.2) Tamanho da classe: maior número / número de classes 48/10 = (5) a.3) Parâmetros da tabela Oi : freqüência observada para a classe i Ei: freqüência esperada para a classe i Ei= N.P(t0i <T<t1i) P(t0i <T<t1i): Probabilidade de que o tempo de atendimento esteja entre t0i e t1i N: número de observações a.4) Cálculo das probabilidades (Exponencial) : P(t0 <X<t1) = P(T > t0) - P(T > t1) P(T>t) = e-µt P(T<t) 1 - e-µt a.5) Tempo médio de atendimento: TA=20 s 32 8 Notas de aula Pesquisa Operacional II Teoria de Filas 18 a.6) Cálculo da taxa de atendimento: TA 1 =µ = 0,05 atendimentos por segundo a.7) Teste de aderência: Ho: os dados aderem à distribuição Exponencial H1: os dados não aderem à distribuição Exponencial ν=6-1-1 ∴ ν =4 nível de 5% de significância (α =0,05) Qui-Quadrado calculado Qui-quadrado tabelado i 2 ii K 1i 2 � E )E(O � − = ∑ = = 75,2 49,9� 24 = Como 2 � � calculado é maior que 2 � � tabelado, rejeitar a hipótese Ho, portanto os dados não à distribuição exponencial. Exercícios 1) A tabela a seguir mostra quantos navios chegaram a um determinado porto em cada intervalo de 1 dia durante 100 dias. Verificar se o número de chegadas segue uma distribuição de Poisson. 0 1 2 0 1 0 1 0 1 7 2 1 2 2 1 2 0 1 0 1 1 3 3 1 3 1 4 2 1 3 2 1 0 2 0 2 0 4 3 0 1 4 1 1 1 2 1 1 0 3 1 2 0 1 0 1 0 2 1 1 3 1 3 3 1 2 3 1 2 1 0 6 0 5 0 2 0 3 0 1 1 1 1 1 1 2 2 1 2 1 0 6 0 5 0 4 0 3 0 3 Notas de aula Pesquisa Operacional II Teoria de Filas 19 2) A tabela abaixo mostra a duração do atendimento de cada navio, em horas. Verifiquese a duração do atendimento segue a distribuição exponencial negativa. 16 6,5 7,5 4,0 8,0 14,5 4,0 14,5 10,0 16,0 9,5 8,0 13,0 4,0 15,0 4,0 7,0 4,0 30,0 7,0 10 6,0 14,5 7,0 13,0 10,0 12,0 6,5 13,0 14,0 9,5 7,0 6,5 8,0 10,0 3,0 7,0 12,5 7,0 17,0 10 12,5 16,0 8,0 7,0 10,0 7,0 8,0 18,0 16,0 4 8,0 3,0 7,0 7,0 3,0 25,0 3,0 6,0 4,0 9,5 7,5 6,5 8,0 13,0 7,0 6,5 23,5 14,0 6,5 10 14,0 13,0 6,5 8,0 14,0 10 7,0 18,5 7,0 9,5 8,0 12,0 8,0 10,0 10,0 10 19,0 8,0 10,0 10 5,0 15,5 5,0 10,0 18,5 10 5,0 23,0 6,5 Notas de aula Pesquisa Operacional II Teoria de Filas 20 Pesquisa Operacional II – Notas de aula Prof. Gesiane Silveira Pereira Teoria de Filas Módulo III - Modelos Marovianos 1 - Modelo FIFOMM ///1// ∞∞ - λ :Taxa média de chegadas - IC = 1/λ : Intervalo entre chegadas - µ: Taxa média de atendimento - TA=1/µ Número médio de clientes na fila (NF) Número médio de clientes no sistema (NS) �)-(� �L = Tempo médio que o cliente fica na fila (TF) �)-�(� �Wq = Tempo médio que o cliente fica no sistema (TS) �)-(� 1W = Probabilidade de existirem ‘n’ clientes no sistema n −= � � � �1Pn Probabilidade de o cliente esperar na fila menos ou mais que um tempo pré-determinado 0)1( 0q �e1)tP(W tρµ −−−=≤ 0)t-(1-0q �e)tP(W ρµ=> �)-�(� �Lq 2 = Notas de aula Pesquisa Operacional II Teoria de Filas 21 Taxa de utilização do sistema µ λρ = LISTA DE EXERCÍCIOS 1 1 Um estudante atende a cantina da universidade às noites, e é seu único atendente nesse período. Os usuários chegam conforme uma distribuição de Poisson com taxa média de 10/h e são atendidos na ordem de chegada em um tempo médio exponencial de 4 min. i) Qual é a probabilidade de ter fila ? R.67% ii) O comprimento médio da fila? R. 1,33 usuários iii) O tempo médio do usuário no sistema? R. 1/5 hora iv) Qual é a probabilidade de o usuário aguardar mais que 5 min para ser atendido? R. 44% v) Se o estudante trabalha 4 horas na cantina, qual é o seu tempo livre? R. 1,33 horas 2 A um hospital chegam usuários nas 3as. feiras, a fazer um teste de glaucoma que leva em média 5 min de aplicação, estando estes tempos exponencialmente distribuídos. Os pacientes chegam segundo uma distribuição de Poisson com taxa de 6 us por hora e são atendidos por 1 médico: i) Qual o número médio de pessoas aguardando atendimento? ii) Qual o tempo médio que um paciente passa na clínica? iii) Qual o tempo médio ocioso do médico em um dia de trabalho de 6 horas? 3 Um técnico em televisores gasta um tempo de conserto, que segue um a distribuição exponencial, com média de 30 min. Os aparelhos chegam para conserto conforme Poisson com taxa média de 10 por cada dia de 8 horas de trabalho. Os consertos são realizados na ordem de chegada. Qual o tempo ocioso médio do técnico por dia? R. Tempo médio ocioso: 3 horas 4 Uma fábrica possui um depósito de ferramentas onde os operários vão receber as ferramentas especiais para a realização de uma determinada tarefa. Verificou-se que o ritmo de chegada é λ = 1 chegada por min seguindo uma distribuição de Poisson. E a taxa de atendimento de um atendente é igual a 1,2 atendimento por min, com os tempos médios Notas de aula Pesquisa Operacional II Teoria de Filas 22 exponencialmente distribuídos. A fábrica paga $9,00 por hora ao atendente e $18,00 ao operário. Pede-se: a. O custo horário do sistema b. A fração do dia em que o atendente não trabalha Resp. a) $99,00 b)0,16 5 Uma empresa deseja comprar um equipamento para efetuar manutenção em suas máquinas que estragam a um ritmo de 12 falhas por semana. Possui duas opções: o equipamento marca A custa $20.000,00 e é capaz de efetuar 15 consertos por semana; o equipamento B custa $ 80.000, 00 e é capaz de efetuar 50 consertos por semana. Sabe-se que o custo semanal de uma máquina parada é de $500,00 e que o tempo útil de vida de ambos os equipamentos é de 5 anos. Qual deve equipamento deve ser adquirido de modo que o custo total anual (52 semanas) seja mínimo? Obs.: Custo anual = custo do equipamento x fator de recuperação do capital. Considerando uma taxa de juros de 15% ao ano, o fator de recuperação do capital é de 0,2984 Resp. Equipamento A : $ 109.968,00 por ano Equipamento B: 32.082,00 por ano Notas de aula Pesquisa Operacional II Teoria de Filas 23 2 - O modelo M/M/c/∞∞∞∞/∞∞∞∞/FIFO - Este modelo apresenta c postos de atendimento em paralelo; - Os usuários ao chegarem formam fila única, passando a ser atendidos na ordem a de chegada, no momento em que um dos c postos que atendem em paralelo, fique livre. - λ :Taxa média de chegadas - IC = 1/λ : Intervalo entre chegadas - µ: Taxa média de atendimento - TA=1/µ Probabilidade de ter “n” clientes no sistema ==≥ ==< −− cn nn ncn nn n cc rP cc P Pncn n rP n P Pncn ! . ! . , ! . ! . , 00 00 µ λ µ λ definimos µ λ =r e µ λρ cc r == Probabilidade de o sistema estar ocioso )(∑ − = − + = 1 0 0 !! 1 c n cn rcc cr n r P Número médio de clientes na fila (NF) )( 2 1 0 ! .. rcc rcP L c q − = + Número médio de clientes no sistema (NS) ( ) 02 1 ! . P rcc cr rL c − += + Notas de aula Pesquisa Operacional II Teoria de Filas 24 Tempo médio que o cliente fica na fila (TF) ( ) ( ) 02!1 Pcc rW c q λµ µ −− = Tempo médio que o cliente fica no sistema (TS) ( ) ( ) 02!1 1 P cc rW c λµ µ µ −− += Probabilidade de o cliente esperar na fila menos tempo t0 ( ) 0 )( c 00q e -1c! r .1)tP(W tcP λµ ρ −− −=≤ LISTA DE EXERCÍCIOS 2 1) Uma companhia telefônica tem dois operadores que por um período determinado atendem os usuários chegando seguindo uma distribuição de Poisson com média igual a 15/hora com tempo de atendimento exponencial com média igual a 5 min. Calcule as variáveis fundamentais do sistema e a analise os resultados. Usuários na fila: 0,8014 us Usuário no sistema: 2,05 Tempo na fila: 3,21 min Tempo no sistema: 8,18 min 2)Uma fábrica possui um depósito de ferramentas onde os operários vão receber as ferramentas especiais para a realização de uma determinada tarefa. Verificou-se que o ritmo de chegada (λ=1 chegada por min) e o ritmo de atendimento (µ=1,2 atendimentos por minuto) seguem o modelo marcoviano . A fábrica paga $9,00 por hora ao atendente e $18,00 ao operário. Pede-se calcular o número de atendentes que minimiza o custo total do sistema. LISTA DE EXERCÍCIOS 3 (EXERCÍCIOS COMPLEMENTARES) 1) Uma empresa deseja contratar um reparador para efetuar manutenção em suas máquinas, que estragam a um ritmo de 3 falhas por hora. Para tal possui duas opções: um reparador lento, que é capaz de consertar a um ritmo de 4 falhas por hora ou um reparador rápido, que é capaz de consertar a um ritmo médio de 6 falhas por hora. O salário/hora do reparador lento é de $3,00 e do rápido é de $5,00. Qual contratação deve ser efetuada para que ocusto total do sistema (reparador mais máquinas paradas ) seja mínimo? Sabe-se que uma máquina parada implica em um custo horário $5,00. 2) Em um sistema de filas seqüenciais (veja a figura), no qual as peças fluem pela linha de produção, temos: Notas de aula Pesquisa Operacional II Teoria de Filas 25 λ1 = 10, λ2=5, µ1=15, µ2=30, µ3=20 Calcule: a) NF, TF, NS e TS para cada servidor b) NS e TS para o sistema como um todo 3) Um banco deseja modificar a forma de atendimento a seus clientes, que hoje funciona com diversas filas, pela introdução do sistema de fila única. Os dados de hoje são : λ = 70 clientes por hora que se distribuem em 5 filas c = 5 atendentes µ=20 clientes por hora (TA = 3 min) Analise a situação atual e a proposta e compare os resultados de NS e TF. 4) Uma usina siderúrgica possui três veículos para atender deslocamentos de seus funcionários dentro da empresa. O ritmo médio de solicitações de veículos é de 10 pedidos por hora e o tempo médio de uma viagem é de 20 min. Calcule o número médio de clientes na fila e o tempo médio na fila. Qual deve ser o número adequado de veículos de modo que o tempo médio de espera na fila seja inferior a 5 min? 5) Veículos chegam a um posto de pedágio à razão de 10 por min. Um único atendente pode atender 6 veículos por min. Calcule a quantidade adequada de atendentes de modo que o tempo médio na fila (única) seja menor que 0,2 min. Certamente a proposição de fila única não seria conveniente para um posto de pedágio; imagine, então, que os veículos se distribuam por diversos saervidores. Calcule agora a quantidade ótima de servidores tal que para cada um deles TF seja inferior a 0,2 minuto. Compare as duas situações 6) Navios chegam a um porto para para ser carregados de minério a um ritmo de 3 chegadas por semana. O porto possui 3 cais de atracação e o tempo médio de carga de cada navio é de 0,5 semana. Sabendo–se que um navio parado esperando para ser carregado , implica µ1 µ2 µ3 λ1 λ3 λ3 λ2 Notas de aula Pesquisa Operacional II Teoria de Filas 26 uma multa de $ 70.000 por semana para a administração do porto (esta multa é conhecida por demurrage no ambiente portuário), pede-se o custo semanal resultante das multas. 7) Em uma estação de processamento de peças temos uma taxa de chegada de produtos para serem processados igual 37 por hora (poisson) e a taxa de atendimento de um funcionário é igual a 20 por hora. Dimensione o número de trabalhadores de modo que o custo do sistema seja mínimo. Custo horário do atendente: $ 5 Custo horário da peça parada: $ 8 Respostas: 1)Para o cálculo de máquinas paradas temos que calcular NS. a) Reparador lento NS = 3 máquinas Custo de máquinas paradas: 3 x $5,00 = $15,00 Custo do reparador: $3,00 Custo total: $ 18,00 b) Reparador rápido NS = 1 máquina Custo de máquinas paradas: 1 x $5,00 = $5,00 Custo do reparador: $5,00 Custo total: $ 10,00 Apesar do reparador rápido ter um custo maior, implica em um custo total menor. 2) Servidor λλλλ µµµµ NF TF TS NS 1 10 15 1,33 0,13 0,20 2 2 5 30 0,03 0,007 0,04 0,2 3 15 20 2,25 0,15 0,20 3 Para o sistema como um todo temos: NS =2 + 0,2 + 3 = 5,2 TS: a) para quem entra pelo servidor 1: TS = TS(1) +TS(3) = 0,20 + 0,20 = 0,40 b) para quem entra pelo servidor 2: TS = TS(2) +TS(3) = 0,04 + 0,20 = 0,24 3) a) Situação atual com 5 filas: (analisa uma fila) λ = 70/5 = 14 Notas de aula Pesquisa Operacional II Teoria de Filas 27 TS = 0,167 hora = 10 min NS = 2,33 (em uma fila) Nas 5 filas temos: NS(total) = 5 x2,33 = 11,67 pessoas b) Situação futura com fila única λ = 70 NS(total) = 4.3817pessoas TS = 0,0626 horas = 3,75 min Conclusão : a fila única presta um melhor serviço. 5 filas Fila única NS(total) TS 11,67 10 min 5 4,3 min 4) Situação atual: 3 veículos TF = infinito NF = infinito Com 4 veículos: TF = 19,73 min Com 5 veículos: TF = 3,93 min 5) a) Fila única (4 servidores) NF=0,2976 TF=0,0073 b) 4 filas independentes TF = 0,438 6) Custo das multas = NFx $70.000 = 0,2368x $ 70.000 = $ 16.576,88 7) C ρ NS Custo atendentes Custo peça Custo total 1 2 3 4 5 - 0,93 0,62 0,46 0,37 - 13 2,5 2 2 - 10 15 20 25 - 104 20 16 16 - 114 35 36 41 CONCLUSÃO: 3 servidores fornecem o custo mínimo Notas de aula Pesquisa Operacional II Teoria de Filas 28 3 - O modelo M/M/1/k/∞∞∞∞/FIFO � C=1 ; � Fila finita; k: capacidade física do sistema λ :Taxa média de chegadas IC = 1/λ : Intervalo médio entre chegadas µ: Taxa média de atendimento TA=1/µ : Tempo médio de atendimento µ λρ = Probabilidade de ter “n” clientes no sistema Probabilidade de o sistema estar ocioso Número médio de clientes no sistema (NS) Número médio de clientes na fila (NF) ≠ − − = + = + 1 se, 1 1 1 se , 1 1 1 0 ρ ρ ρ ρ k kP ( ) ( ) ≤∀ ≠ − − = + = + k n 1 se , 1 1 1 se , 1 1 1 ρρρ ρ ρ n kn k P [ ] ( ) ≠ −− +−+ = = + + 1 se , 1)1( )1(1 1 , 2 1 1 ρ ρρ ρρρ ρ k kk kk se k L 01 PLLq +−= Notas de aula Pesquisa Operacional II Teoria de Filas 29 Tempo médio que o cliente fica na fila (TF) Tempo médio que o cliente fica no sistema (TS) Taxa média de rejeição do sistema Taxa média de entrada efetiva no sistema LISTA DE EXERCÍCOS 4 1) Uma companhia de mineração opera um porto onde carrega minério. A companhia tem 5 berços e 1 equipe de trabalho. Quando os 5 berços estão ocupados os navios se dirigem a um outro porto auxiliar ao porto principal. Os navios chegam conforme uma distribuição de Poisson com média igual a 5 navios por dia. São descarregados seguindo a ordem de chegada e o tempo de descarregamento segue uma distribuição exponencial com média igual a 4 horas. O porto trabalha as 24 horas do dia. i. Qual a taxa média de chegada de navios ao porto auxiliar? ii. Quantos usuários vão para o porto auxiliar em uma semana (7 dias)? iii. Qual o tempo médio que um usuário aguarda na fila? iv. Quantos navios há em média no sistema? v. Qual a probabilidade de ter 3 navios no sistema? 2) Uma oficina que conserta empilhadeiras em um centro de distribuição tem capacidade para 1 empilhadeira sendo atendida e 4 aguardando atendimento. No CD não há espaço fora da oficina para as empilhadeiras aguardarem atendimento, de modo que quando a oficina está com a sua área toda ocupada, as empilhadeiras são levadas para serem consertadas em uma oficina terceirizada. As empilhadeiras quebram numa taxa de 5 por semana conforme uma distribuição de Poisson e o único mecânico da oficina tem capacidade para consertar 6 empilhadeiras por semana, estando os tempos de conserto exponencialmente distribuídos. Considere que o número de empilhadeiras do CD é suficientemente grande para que a população de empilhadeiras seja considerada infinita. Considere um mês de quatro semanas. Calcule quantas empilhadeiras são levadas para a oficina terceirizada em um mês. λ q q L W = λ L W = λλ − ( )kP−= 1λλ Notas de aula PesquisaOperacional II Teoria de Filas 30 3.1 - O modelo M/M/c/k/∞∞∞∞/FIFO � C>1 (mais de um servidor); � Fila finita; k: capacidade física do sistema λ :Taxa média de chegadas IC = 1/λ : Intervalo médio entre chegadas µ: Taxa média de atendimento TA=1/µ : Tempo médio de atendimento Probabilidade de ter “n” clientes no sistema definimos µ λ =r e µ λρ cc r == Probabilidade de o sistema estar ocioso Número médio de clientes na fila (NF) Número médio de clientes no sistema (NS) 1 )1(! )1( ! 11 0 1 0 ≠ − − += − − = −+ ∑ ρρ ρ se c r n rP c n ckcn > ≤≤ < = − Kparan KnparacP cc r cparanP n r P cn n n n ,0 , ! , ! 0 0 [ ] 1 se )1()1(1)1(! 120 ≠−+−−−−= −+− ρρρρρ ρ ckckc q ck c rP L n c on q PcncLL ∑ − = −++= 1 )( 1 ! )1( ! 11 0 0 = −+ += − − = ∑ ρse c ckr n rP c n cn [ ] 1 se 2 ))(1( ! 0 = −+− = ρckck c rP L c q Notas de aula Pesquisa Operacional II Teoria de Filas 31 Tempo médio que o cliente fica na fila (TF) Tempo médio que o cliente fica no sistema (TS) Taxa média de rejeição do sistema Taxa média de entrada efetiva no sistema LISTA DE EXERCÍCOS 5 1) Considere um centro de inspeção de carros com três postos de atendimento individual. Os carros chegam seguindo uma distribuição de Poisson com taxa de um carro/min e formam uma única fila. Ao ficar vazio um posto, o primeiro carro da fila passa a ser atendido. O centro tem capacidade para 4 carros esperando, isto é, 7 carros no posto. O tempo de serviço é exponencial com média em torno de 6 min. O chefe de inspeção quer saber qual é o número médio de carros esperando no sistema, o tempo médio de espera no sistema e o número médio de carros que não entram devido à limitação na capacidade. O posto precisa de expansão? 2) Uma companhia de petróleo opera em sua refinaria um porto onde descarrega petróleo cru. Conta com 6 berços e 4 equipes de trabalho. Quando os 6 berços estão ocupados os navios se dirigem a um outro porto auxiliar ao porto principal. Os navios chegam conforme uma distribuição de Poisson com média igual a 1 navio a cada 2 horas. São descarregados seguindo a ordem de chegada e o tempo de descarregamento segue uma distribuição exponencial com média igual a 10 horas. a) Quantos navios há no porto em média? b) Qual o tempo médio no porto? c) Qual a taxa média de chegada ao porto auxiliar? d) Há indícios para se construir um novo berço? λλ − ( )kP−= 1λλ λ q q L W = λ L W = Notas de aula Pesquisa Operacional II Teoria de Filas 32 4 - O modelo M/M/C/∞∞∞∞/M/FIFO Este modelo apresenta uma fonte de chegada limitada. M: tamanho da população ou da fonte de chegada λ: taxa de chegada de cada membro ao sistema IC = 1/λ : Tempo médio que cada membro da população fica fora do sistema µ: Taxa média de atendimento TA=1/µ: Tempo médio de atendimento λ’=(M-L) λ : taxa de chegada ao sistema = número de usuários fora do sistema multiplicado pela taxa de cheda de cada usuário Se c=1 Probabilidade de ter “n” clientes no sistema Probabilidade de o sistema estar ocioso Número médio de clientes na fila (NF) Número médio de clientes no sistema (NS) Tempo médio que o cliente fica na fila (TF) Tempo médio que o cliente fica no sistema (TS) 1 0 0 )!( ! − = − = ∑ nM n nM MP µ λ ( ) 0! ! P nM MP n n − = µ λ )1( 0PML − −= λ µ ( ) )1( 0PMLq −+−= λ µλ ´λ q q L W = ´λ LW = Mn ,...,0=∀ ( )λλ LM −=' Notas de aula Pesquisa Operacional II Teoria de Filas 33 Se c>1 Probabilidade de ter “n” clientes no sistema Probabilidade de o sistema estar ocioso Número médio de clientes no sistema (NS) Número médio de clientes na fila (NF) Tempo médio que o cliente fica na fila (TF) Tempo médio que o cliente fica no sistema (TS) LISTA DE EXERCÍCOS 6 1) A Worthington Gear instalou um conjunto de dez robôs há cerca de três anos. Os robôs aumentaram consideravelmente a produtividade da mão-de-obra da empresa; ≤≤ − << − = − MncP ccnM M cnP nnM M P n cn n n , !)!( ! 0, !)!( ! 0)( 0 µ λ µ λ 1 )( 1 0 0 !)!( ! !)!( ! − = − − = − + − = ∑∑ nM cn cn n c n ccnM M nnM MP µ λ µ λ − + − = ∑∑ = − − = nM cn cn n c n cnM nM cnnM nMPL µ λ µ λ )( 1 0 0 )!( ! ! 1 !)!( ! n c n q PncPcLL ∑ − = −+−= 1 0 0 )( ´λ q q L W = ´λ LW = ( )λλ LM −=' Notas de aula Pesquisa Operacional II Teoria de Filas 34 recentemente, porém a atenção tem se concentrado na manutenção. A empresa não realiza manutenção preventiva nos robôs por causa da variabilidade na distribuição das quebras. Cada máquina possui uma distribuição de quebra (ou entre as chegadas) com um tempo médio de 200 horas entre falhas. Cada hora de máquina parada custa $30,00, o que significa que a empresa tem de reagir rapidamente a uma falha. A empresa posui um operário de manutenção que precisa de dez horas em média para consertar um robô. As durações reais da manutenção, possuem uma distribuição exponencial. O salário é de 10 dólares por hora para o operário de manutenção, que pode ser aproveitado em outro setor da produção quando não está consertando robôs. Determine o custo diário total do sistema. Considerar dia de 8 horas de trabalho. 2) A mina de carvão Severance atende a seis trens com tempos entre chegadas distribuidos exponencialmente com uma média de 30 horas. O tempo necessário para carregar um trem de carvão varia segundo o número de vagões, atrasos provocados pelo tempo e falhas nos equipamentos. O tempo para carregar um trem pode ser aproximado por uma distribuição exponencial negativa com média de 6 horas e 40 minutos. A ferrovia exige que a mina de carvão pague taxas de demurrage (permanência) muito elevadas caso um trem gaste mais de 24 horas na mina. Qual é o tempo médio que um trem gastará na mina? 3) Uma companhia tem 5 máquinas em operação estando otempo de serviço dos equipamentos exponencialmente distribuidos em torno de 30 horas. Quando se quebram são consertados por 2 funcionários cujo tempo de atendimento são idênticos e estão exponencialmente distribuidos em torno de um média de 3 horas. c) Qual é o número médio de máquinas funcionando em qualquer instante? d) Qual é o tempo médio que cada máquina passa quebrada? BIBLIOGRAFIA: FOGLIATTI, M. C. Teoria de Filas. Rio de Janeiro: Interciência, 2007 PRADO, D. S.- Teoria das Filas e da Simulação. Belo Horizonte, MG: Ed deDesenvolvimento Gerencial, 2003. HILLIER, F.S., LIEBERMAN, G.J. – Introdução à Pesquisa Operacional. Rio de Janeiro: Editora Campus, 1988. NOVAES, A. G. N. – Pesquisa Operacional e Transportes. São Paulo: McGraw-Hill do Brasil, 1975. SINAY, M. C. F. - Notas de aula da disciplina Métodos de Otimização II. Rio de Janeiro: IME, 2000.
Compartilhar