Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROBLEMAS DE OTIMIZAÇÃO. ENUNCIADOS, MODELOS MATEMÁTICOS E ALGORITMOS PROF. MSC. DORIRLEY RODRIGO ALVES PROBLEMAS DE OTIMIZAÇÃO. ENUNCIADOS, MODELOS MATEMÁTICOS E ALGORITMOS Disciplina: Pesquisa Operacional Belo Horizonte Junho de 2013 Sumário 1 Modelagem Analítica - Teoria das Filas e Teoria da Análise Opera- cional 1 1.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Sistemas de Filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Componentes de um sistema de filas . . . . . . . . . . . . . . . . . . . . 2 1.4 Análise Operacional em Filas . . . . . . . . . . . . . . . . . . . . . . . 7 1.4.1 Análise Operacional em Filas Isoladas . . . . . . . . . . . . . . . 7 1.4.2 Variáveis operacionais básicas . . . . . . . . . . . . . . . . . . . 7 1.4.3 Variáveis operacionais derivadas . . . . . . . . . . . . . . . . . . 8 1.4.4 Sequência de comportamento . . . . . . . . . . . . . . . . . . . 8 1.5 Leis Operacionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.1 Lei da Utilização (Ui) . . . . . . . . . . . . . . . . . . . . . . . 11 1.5.2 Número médio de visitas na Fila i (ηi) . . . . . . . . . . . . . . 11 1.5.3 Tempo Médio de Resposta (Ri) que cada visita permanece na fila i 12 1.5.4 Lei de Little . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.6 Teoremas Operacionais . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.6.1 Hipótese do Equilíbrio de Fluxo (EF) . . . . . . . . . . . . . . . 12 1.6.2 Teorema da Taxa de Processamento (EF) . . . . . . . . . . . . 13 1.6.3 Teorema do Tempo de Resposta (Ri) . . . . . . . . . . . . . . . 13 1.7 Construção da Curva de Desempenho da Fila . . . . . . . . . . . . . . 14 1.7.1 Obtendo as Medições . . . . . . . . . . . . . . . . . . . . . . . . 16 1.7.2 Simulando novos cenários . . . . . . . . . . . . . . . . . . . . . 19 iii Capítulo 1 Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional A Teoria das Filas é um ramo da probabilidade que estuda a formação de filas por meio de análises matemáticas precisas e propriedades mensuráveis das filas. Ela provê modelos para demonstrar previamente o comportamento de um sistema que ofereça serviços cuja demanda cresce aleatoriamente, tornando possível dimensioná-lo de forma a satisfazer os clientes e ser viável economicamente para o provedor do serviço, evitando desperdícios e gargalos. 1.1 Definições Figura 1.1. Centro de Serviço • Rede de filas - Conjunto de entidades interligadas que oferecem serviços (centros de serviço) e de usuários (clientes). 1 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 2 • Centro de serviço - Representa os recursos do sistema, compreendendo um ou mais servidores e um conjunto de clientes que esperam pelo serviço. • Fila - Representa os clientes que estão esperando pelo serviço, juntamente com os que estão sendo atendidos pelos servidores. • Fila de espera - Somente os clientes que estão aguardando pelo serviço. 1.2 Sistemas de Filas Existem diversas aplicações da teoria das filas que podem ser encontradas na literatura de probabilidade, pesquisa operacional e engenharia industrial. Entre elas destacam-se: • Fluxo de tráfego (aviões, carros, pessoas, comunicações) • Escalonamento (pacientes em hospitais, programas em computadores) • Prestação de serviços (bancos, correios, lanchonetes) 1.3 Componentes de um sistema de filas Um sistema de filas consiste no processo de chegada, da distribuição do tempo de serviço, do número de servidores, da capacidade do sistema, da população de usuários e da disciplina de atendimento. Processo de chegada O processo de chegada indica qual o padrão de chegada dos clientes no sistema. Apresenta comportamento estocástico, ou seja, as chegadas ocorrem no tempo e no espaço de acordo com as leis da probabilidade; assim, é preciso conhecer qual a distri- buição de probabilidade que descreve os tempos entre as chegadas dos clientes. A distribuição mais comum é a de Poisson, ou seja, os tempos entre as chega- das são exponencialmente distribuídos. Entre outras distribuições, estão a de Erlang, hiperexponencial e arbitrária. Clientes podem chegar simultaneamente (chegada em batch). Se for possível, é necessário também saber a distribuição de probabilidade do tamanho do batch. A reação do cliente na fila pode variar. Ele pode esperar independentemente do tamanho da fila, também pode decidir não entrar no sistema caso a fila esteja muito grande 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 3 (cliente decepcionado), ele pode esperar na fila mas depois de um tempo desistir e sair do sistema, e também pode mudar de uma fila para outra em sistemas com servidores paralelos. O padrão de chegada de clientes em função do tempo pode ser permanente; nesse caso o padrão não muda no tempo, ou seja, a distribuição de probabilidade que descreve as chegadas é independente do tempo. Também pode ser não-permanente, isto é, o padrão de chegada muda com o tempo. Por exemplo, a chegada de clientes diminui no horário de almoço. Distribuição do tempo de serviço Assim como no processo de chegada, também é necessário conhecer a distribuição de probabilidade do tempo de serviço, sendo válidas as mesmas distribuições apresen- tadas. Os serviços podem também ser simples ou batch. O estado pode ser independente: o processo de atendimento não depende do nú- mero de clientes esperando pelo serviço. Em contrapartida, em um estado dependente, o processo de atendimento muda de acordo com o número de clientes na fila. Por exem- plo, um servidor pode trabalhar mais rápido quando a fila aumenta ou, ao contrário, ficar confuso e então mais lento. Da mesma forma que no processo de chegada, o padrão de serviço pode variar de acordo com o tempo. Por exemplo, a experiência adquirida com o serviço pode aumentar a produtividade; o cansaço, por outro lado, pode diminuí-la. Caso não haja variação o padrão é estacionário. Número de servidores Esse componente é também conhecido como número de canais de serviço. Indica a quantidade de “pontos de atendimento"do sistema, de forma a servir aos clientes paralelamente. Quando um sistema possui mais de um servidor (multiservidor ou multicanal), ele pode apresentar duas variações. Em um sistema de fila única, existe uma única fila para todos os servidores, como em um caixa de banco. Em um sistema de múltiplas filas, existe uma fila para cada servidor, como em um caixa de supermercado. Quando existirem infinitos servidores, ou seja, todo cliente que chega é atendido imediatamente, temos um caso especial conhecido como “Centro de atraso". 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 4 (a) Multiservidor (b) Servidor paralelo (c) Centro de atraso ou servidor mínimo Figura 1.2. Tipos de filas Capacidade do sistema Representa o número máximo de clientes que o sistema suporta, incluindo os que estão em espera e os que estão sendo atendidos. A capacidade pode ser infinita (mais fácil de analisar) ou finita (por exemplo, número limitado de atendentes). Se a capacidade for finita, quando o sistema estiver lotado nenhum cliente pode entrar até que um cliente saia do sistema, liberando espaço. População de usuários Esse componente indica o número potencial de clientes que podem chegar a um sistema. Pode ser finita ou infinita. Disciplina de atendimento Descreve a forma como os clientes saem da fila de espera para serem atendidos. Algumas disciplinas são: • FCFS (First Come, First Served): Primeiro a Chegar, Primeiro a ser Atendido. Disciplina mais comum, inclusive na vida diária. • FIFO (First In, First Out): Primeiro a Entrar, Primeiro a Sair). • LCFS (Last Come, First Served): Último a chegar, Primeiro a ser Atendido 1.Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 5 • LIFO (Last In, First Out): Último a Chegar, Primeiro a Sair. Aplicável em sistemas em que o item mais recente é mais fácil de ser recuperado, como por exemplo em sistemas de controle de estoque. • Fila com prioridade: a cada cliente é atribuída uma prioridade; clientes com maior prioridade têm preferência no atendimento. Pode ser de dois tipos: • Preemptivo: o cliente com maior prioridade é atendido imediatamente, interrom- pendo o atendimento ao cliente com menor prioridade. Ao terminar, o cliente de menor prioridade volta a ser atendido, podendo continuar o processo de onde parou ou então reiniciá-lo • Não-preemptivo: o cliente com maior prioridade é colocado no início da fila, recebendo o serviço somente quando o cliente em atendimento sai do sistema, mesmo se este for de prioridade mais baixa • Round-robin (algoritmo): cada cliente recebe uma fatia de tempo do servidor (quantum), dentro da qual é atendido. Após o término do quantum, se a ati- vidade não foi completada, o cliente é retirado e outro passa a ser atendido. Posteriormente, o cliente que foi interrompido retorna ao servidor e continua a sua atividade. É muito comum em escalonamento de processos da CPU. Notação As seis características apresentadas acima descrevem um sistema de filas. Para simplificar, utiliza-se a notação de Kendall, proposta em 1953, composta por uma série de símbolos da seguinte forma: A/S/m/K/N/Q (1.1) Em que: A: Distribuição dos tempos entre as chegadas (Processo de chegada); S: Distribuição dos tempos de serviço; m: Número de servidores; K: Capacidade do sistema; N : Tamanho da população; 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 6 Q: Disciplina de atendimento; Exemplo 1.3.0.1 Exemplos de sistemas de filas M/G/4/50/2000/LCFS • Processo de chegada exponencial (Markoviano) • Distribuição dos tempos de serviço arbitrária (Geral) • Quatro servidores • Capacidade para cinqüenta clientes • População de dois mil clientes • Disciplina de atendimento "Último a Chegar, Primeiro a ser Servido" D/M/1/∞/∞/RR • Processo de chegada determinístico • Distribuição dos tempos de serviço exponencial (Markoviano) • Um servidor • Capacidade ilimitada • População infinita • Disciplina de atendimento Round-robin Muitas vezes, os três últimos símbolos são omitidos. Nestes casos, assume-se capacidade ilimitada, população infinita e disciplina de atendimento FCFS. Exemplo: M/M/1 Distribuições de probabilidade: • Exponencial (M) • Uniforme (U) • Arbitrária ou Geral (G) 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 7 • Erlang (Ek) • Hiperexponencial (Hk) 1.4 Análise Operacional em Filas A Teoria da Análise Operacional foi proposta por J. P. Buzen em 1976 e posteri- ormente estendidas por Denning e Buzen em 1978. Baseia-se na análise do relaciona- mento entre as variáveis obtidas por medição. Esta análise será dirigida primeiramente à Filas Isoladas e depois, à Redes de Filas Abertas e Fechadas (multiprogramação). É importante que o sistema de em questão seja analizado nos pontos críticos ou de máxima carga de trabalho. 1.4.1 Análise Operacional em Filas Isoladas Uma fila “isolada"é composta por um servidor e de um conjunto de visitas que aguardam sua vez para ser atendidas pelo servidor. Figura 1.3. Representação de uma fila isolada e seus parâmetros Uma visita pode ser um atendimento realizado pelo servidor, ou uma operação de processamento em um ambiente com entrada e saída e etc. 1.4.2 Variáveis operacionais básicas T (time): intervalo do tempo de observação [seg. ou min.] Ai (arrivals): número de visitas que chegam à fila i durante o intervalo de medição [visitas] Ci (completions): número de visitas que completam, e portanto, saem da fila i du- rante o intervalo de medição [visitas] 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 8 Bi (busy time): tempo durante o qual o servidor i esteve ocupado (Bi≤ T ) 1.4.3 Variáveis operacionais derivadas λi: taxa média de chegada de visitas à fila i λi = Ai T [ visitas seg. ] (1.2) Xi: taxa de processamento da fila i (número de transações completadas por unidade de tempo) Xi = Ci T [ visitas seg. ] (1.3) Si: tempo médio de serviço por visita Si = Bi Ci [ seg. visitas ] (1.4) Ri: tempo médio de resposta no ambiente monitorado i ou tempo médio que uma visita permanece na fila desde que entra até que sai [ seg. visitas ] ou [seg.] Ri = Si 1− Ui [ seg. visitas ] ou [seg.] (1.5) Wi: tempo médio de espera por visita Wi = Ri − Si [ seg. visitas ] ou [seg.] (1.6) Ui: utilização do servidor i Ui = Bi T [admensional ou %] (1.7) 1.4.4 Sequência de comportamento É um registro do número de visitas ηi(t) na fila i incluindo o servidor, durante o intervalo de medição (0 ≤ t ≤ T ) Sendo N+ o número máximo de visitas observado na fila i durante o período de observação Ti tem-se: 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 9 Figura 1.4. Diagrama de sequênciamento de visitas em uma fila isolada Ti(0) + Ti(1) + . . .+ Ti(N +) = T (1.8) 1 + 5 + 4 + 2 + 1 = T = 13 seg. onde: Ti(η) : tempo durante o qual houve η visitas na fila i Se a equação 1.8 for dividida entre T , tem-se: Ti(0) T + Ti(1) T + . . .+ Ti(N +) T = 1 (1.9) onde: Ti(η) T = Pi(η) : é a fração de tempo durante o qual houve η visitas na fila i 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 10 Tempo e fração do tempo durante o qual houve η visitas na fila i Ti(1) T = 5 13 = 0, 38 Para o restante... η Ti(η) Pi(η) %Pi(η) 0 1 0,08 8% 1 5 0,38 38% 2 4 0,31 31% 3 2 0,15 15% 4 1 0,08 8% T = 13 1,00 100% A equação 1.9 em termo de porcentagem é: 100(Pi(0) + Pi(1) + . . .+ Pi(N +)) = 100% Exemplo 1.4.4.1 Considerando a sequência de comportamento dada anteriormente: T= 13 seg Ai= 5 visitas chegam à fila i (↑) Ci= 5 visitas saem da fila i (↓) Bi= T − Ti(0) = 13− 1 = 12 seg. a fila esteve ocupada λi: taxa média de chegada de visitas à fila i λi = Ai T = 5 13 = 0, 39 [ visitas seg. ] Xi: taxa de processamento da fila i (número de transações completadas por unidade de tempo) Xi = Ci T = 5 13 = 0, 39 [ visitas seg. ] 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 11 Si: taxa média de serviço da fila i (número de transações completadas por unidade de tempo) Si = Bi Ci = 12 5 = 2, 4 [ seg. visitas ] Ui: utilização do servidor i Ui = Bi T = 12 13 = 0, 92⇒ 92% 1.5 Leis Operacionais 1.5.1 Lei da Utilização (Ui) Ui = Bi T = Bi Ci × Ci T = SiXi ∴ Ui = SiXi (1.10) sempre: Ui ≤ 1 ou %Ui ≤ 100% 1.5.2 Número médio de visitas na Fila i (ηi) É dada pela área abaixo da curva. ηi = N+∑ η=0 ηTi(η) T [visitas] (1.11) Exemplo 1.5.2.1 Para a sequência de comportamento dado anteriormente. ηi = (0× 1 + 1× 5 + 2× 4 + 3× 2 + 4× 1) 13 = 1, 77 [visitas] 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 12 1.5.3 Tempo Médio de Resposta (Ri) que cada visita permanece na fila i Ri = ηi × T Ci [seg.] (1.12) no exemplo Ri = 1, 77× 13 5 = 4, 6 [seg.] 1.5.4 Lei de Little Desenvolvida por John Little no início dos anos 60, A Lei de Little relaciona o número de clientes no sistema com o tempo médio despendido no sistema. Mostra a relação entre o número médio de visitas (ηi), a taxa de processamento (Xi) e o tempo médio que uma visita permanece na fila i. da equação 1.12 tem-se: ηi = RiCi T ⇒ ηi = RiXi [seg.] (1.13)A Lei de Little se aplica sempre que o número de chegadas é igual ao número de saídas (denominado sistema em equilíbrio). Pode ser aplicada também em subsistemas (caixa preta). Se o sistema está em equilíbrio, a taxa de chegada será igual a taxa de saída conforme veremos a seguir. 1.6 Teoremas Operacionais Todo teorema possui hipóteses para ter validade pelo qual tem-se: 1.6.1 Hipótese do Equilíbrio de Fluxo (EF) Que diz: “ o # de visitas que chegam à fila i é igual ao # de visitas que saem dela". Ou seja, (Ai = Ci). Portanto, se 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 13 λi = Ai T e Xi = Ci T concluímos que λi = Xi (1.14) 1.6.2 Teorema da Taxa de Processamento (EF) Ui = SiXi = Siλi (1.15) 1.6.3 Teorema do Tempo de Resposta (Ri) Ri = Si 1− Ui [ seg. visita ] ou [seg.] (1.16) Exemplo 1.6.3.1 O tempo médio de serviço de um atendente de caixa é de 20 minutos e este recebe 0,03 clientes por minutos. Qual será o tempo de resposta do serviço? SCaixa = 20 [minutos] λCaixa = 0, 03 [ visitas min. ] RCaixa =? RCaixa = SCaixa 1− UCaixa = SCaixa 1− SCaixaλCaixa = 20 1− 20× 0, 03 = 50 [ minutos visitas ] Se a velocidade do atendende fosse duplicada, qual seria o novo tempo de resposta no ambiente? 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 14 SCaixa = 10 [minutos] λCaixa = 0, 03 [ visitas minutos ] RCaixa =? RCaixa = SCaixa 1− UCaixa = SCaixa 1− SCaixaλCaixa = 10 1− 10× 0, 03 = 14, 3 [ minutos visitas ] 1.7 Construção da Curva de Desempenho da Fila Uma vez que é possível estabelecer o tempo médio de resposta de uma visita (Ri) em função do taxa média de chegada (λi), é perfeitamente possível estabelecer uma relação de desempenho seja definindo um novo tempo médio de resposta ou uma nova taxa média de chegada. Para melhor compreensão desse estudo, utilizaremos como exemplo nesta seção o diagrama de sequenciamento ilustrado pela Fig. 1.5 que representa o monitoramente de uma fila em uma ambiente bancário com seguintes condições: Figura 1.5. Diagrama de sequenciamento (histograma) representando o número de entrada e saída de visitas em uma fila durante um tempo de observação de 5 minutos 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 15 Inicialmente, podemos identificar a utilização máxima de uma fila a fim de iden- tificar sua saturação. Se Ui = 1, significa o mesmo que afirmar que devido a hipótese do de equilíbrio de fluxo Siλi = 1. Portanto, se λ pode representra a capacidade máxima da fila quando o sistema entrar em colapso. Ou seja, Ui = 100%, então λsat = 1 Si . De acordo com o diagrama ilustrado pela Fig. 1.5, temos: T= 5 minutos Ai= 9 visitas chegam à fila i (↑) Ci= 9 visitas saem da fila i (↓) Bi= T − Ti(0) = 5− 0, 25 = 4, 75 minutos a fila esteve ocupada λi: taxa média de chegada de visitas à fila i λi = Ai T = 9 5 = 1, 80 [ visitas minutos ] Xi: taxa de processamento da fila i (número de transações completadas por unidade de tempo) Xi = Ci T = 9 5 = 1, 80 [ visitas minutos ] Si: taxa média de serviço da fila i (número de transações completadas por unidade de tempo) Si = Bi Ci = 5 9 = 0, 53 [ minutos visitas ] Ui: utilização do servidor i Ui = Bi T = 4, 75 5 = 0, 95⇒ 95% ou Ui = Si × λi = 0, 53× 1, 8 = 0, 95⇒ 95% Ri: tempo médio de resposta do ambiente i Ri = Si 1− Ui = 0, 53 1− 0, 95 = 0, 53 0, 05 = 10, 60 [ minutos visitas ] 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 16 Wi: tempo médio de espera na fila i Wi = Ri − Si = 10, 60− 0, 53 = 10, 07 [ minutos visitas ] 1.7.1 Obtendo as Medições Uma vez que foi encontrado o valor atual de Si e seus respectivo Tempo de Resposta (Ri), podemos contruir a curva de desempenho identificando a Carga de Saturação (λsat) e a Carga designada a partir de um Limite de Nível de Serviço (λLNS) - neste caso, o Tempo de resposta atribuído ao Limite de Nível de Serviço foi de Ri = 5 min/vis.). • A Carga de Saturação do Sistema (λsat), corresponde ao valor que leva o sistema a 100% de utilização; • O Limite do Nível de Serviço (LNS), representa o valor aceitável normalmente estipulado pela gerência considerado satisfatório para o sistema; • A Carga de Capacidade do Sistema (λLNS), corresponde a carga total que o sistema pode processar sem ultrapassar o Limite do Nível de Serviço. A Curva de Desempenho é construída adotando os parâmetros acima e sua ite- ração é calculada utilizando uma progressão representada por ∆ = 0, 1, além das seguintes equações: Si = Tempo Médio λsat = 1 Si (1.17) Ri = Si 1− (Si × λi) (1.18) onde (λi = [0, . . . , (λsat − 0, 1)]) assumindo ∆ progressivamente. Analisando a Curva ilustrada pela Fig. 1.6, é possível encontrar, dado o LNS = 5, 00 minutos / visita, o λLNS (Capacidade do Sistema para o Limite de Nível de Serviço de 5 minutos que foi estabelecido) através da seguinte equação: 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 17 Figura 1.6. Curva de Desempenho de Si Ri ≡ 5, 00 [ visitas minutos ] 5, 00 = Si 1− (Si × λLNS) 5, 00− 5, 00SiλLNS = Si 5, 00− Si = 5, 00iλCap 5, 00− Si 5, 00× Si = λLNS 5, 00− 0, 53 5, 00× 0, 53 = λLNS ⇒ λLNS = 1, 69 [ visitas minutos ] Portanto, se presumirmos alterações no (Si), adotando os parâmetros Si/2) para simular o dobro da velocidade do atendimento, garantindo um tempo de resposta duas 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 18 vezes menor em relação ao tempo de resposta utlizado pelo valor original (Si) e (Si×2) para simular um atendimento com velocidade duas vezes maior, garantindo por sua vez, uma velocidade mais lenta que a original, basta alterar o valor de Si na fórmula que produz o Tempo médio de Resposta Figura 1.7. Gráfico contendo a comparação de três curvas onde cada uma representa o desempenho de um tipo de atendimento (Siatual), (Si/2) e (Si × 2) Sobre o tempo do processamento, é fácil notar pela curva gerada, que o tempo se mantem constante em um período muito maior quando aumentamos a velocidade do processador (conforme a ilustração da Fig.1.7). Por outro lado, quando simulamos um tempo de processamento mais lento, essa constante é inversamente proporcional ao tempo gasto no valor original de (Si). Quanto a Capacidade do Sistema, ainda relacionado ao tempo de procesamento, quando a velocidade é dobrada por (Si/2), o número de transações aceitas pelo sistema sem o estouro do LNS, é mais que o dobro da capacidade aceita pelo processador no modo Si. 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 19 Com isso, podemos concluir que em algumas situações, o simples aumento da velocidade do atendimento não se reflete em um aumento proporcional de desempenho. 1.7.2 Simulando novos cenários 1.7.2.1 Simulando alterações no atendimento 1. Comparando com um dispositivo que gaste a metade do tempo, qual seria a utilização, o tempo médio de resposta e o tempo médio de espera deste ambiente? SAtual = 0, 53 Snovo = Satual 2 = 0, 53 2 = Snovo = 0, 27 [ visitas minutos ] Para calcular a Utilização: Ui = Snovoλi = 0, 27× 1, 80 = 0, 49⇒ 49% Para calcular o Tempo de Resposta: Ri = Si 1− Ui = 0, 27 1− 0, 49 = 0, 53 [ minutos visitas ] Para calcular o Tempo de Espera: Wi = Ri − Si ⇒ Wi = 0, 53− 0, 27 = 0, 26 [ seg. minutos ] 1.7.2.2 Simulando alterações na carga 1. Se a carga aumenta 10%, qual seria a utilização, o tempo médio de resposta e o tempo médio de espera? 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional20 λAtual = 1, 80 λnovo = λAtual × 1, 10 = 1, 80× 1, 10 = λnovo = 1, 98 [ visitas minutos ] Para calcular a Utilização: Ui = Si × λnovo = 0, 53× 1, 98 = 1, 04⇒ 0, 99⇒ 99% (pois já está saturado)1 Para calcular o Tempo de Resposta: Ri = Si 1− Ui = 0, 53 1− 0, 99 = 53, 00 [ minutos visitas ] Para calcular o Tempo de Espera: Wi = Ri − Si ⇒ Wi = 53, 00− 0, 53 = 52, 47 [ minutos visitas ] 1 Observe que a utilização ultrapassou 100% pois é maior que 1,00. Isso significa que teremos que buscar a utilização mais próxima de 1,00 que neste caso seria 0,99. 2. O aumento da carga foi monitorado durante 4 meses e foram obtidos os seguintes dados: Mês Jan Fev Mar Abr Carga 1,82 1,83 1,84 1,85 Qual seria o tempo médio de resposta e o tempo médio de espera para o mês de Maio? Há de se observar nesta situação que queremos obter uma projeção da carga em função de um conjunto de dados históricos. Neste caso, podemos utilizar a técnica dos mínimos quadrados tam- bém conhecida como Técnica da Regressão Linear. Esta técnica consiste em estimar a condicional (valor esperado) de uma variável y, dados os valores de algumas outras variáveis x. Lembre-se que ao traçar a curva de desempenho do ambiente, temos que calcular vários parâ- 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 21 metros tais como a carga de saturação, carga de capacidade e etc. Imagine agora que podemos calcular uma determinada carga futura a partir de uma tendência. Veja a ilustração da Fig.1.8. Para se estimar o valor esperado, usa-se de uma equação da reta, que determina a relação entre ambas as variáveis. y = a+ b(x) (1.19) Onde: y : significa a variável explicada (dependente) (é o valor que se quer atingir); a : é uma constante, que representa a interceptação da reta com o eixo vertical; x : Variável explicativa (independente), representa o factor explicativo na equação; b : É outra constante, que representa o declive da reta. Neste caso, temos que calcular as quatro variáveis a partir das duas fórmulas seguintes: a = y − b(x) (1.20) b = n( ∑ xy)− (∑x)(∑ y) n( ∑ x2)− (∑x)2 (1.21) Procedendo aos cálculos em função do histórico apresentado pela carga identifi- cada no período de Janeiro a Abril, identificamos os valores dos parâmetros que compôem as equações 1.20 e 1.21: n = 4, 00 : significa o período de observação (4 meses);∑ xy = 18, 40 : soma das produtos (1× 1, 82) + (2× 1, 83) + (3× 1, 84) + (4× 1, 85);∑ x = 10, 00 : soma do período (1+2+3+4);∑ y = 7, 34 : soma das cargas (1,82 + 1,83 + 1,84 + 1,86);∑ x2 = 30, 0: soma do valor de cada x elevado à segunda potência (12 + 22 + 32 + 42); ( ∑ x)2 = 100, 00 : soma dos valor total de x elevado à segunda potência (102); x = 2, 50 : significa a média do ∑ = 10; y = 1, 84 : significa a média do ∑ y = 7, 35; Agora é possível calcular o valor de Maio 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 22 Figura 1.8. Exemplo de Regressão Linear Calculando o valor de b b = n( ∑ xy)− (∑x)(∑ y) n( ∑ x2)− (∑x)2 ⇒ 4(18, 4)− (10)(7, 35)4(30)− (100) = 0, 01 Calculando o valor de a a = y − b(x)⇒ 7, 34− (0, 01)(10) = 1, 84− (0, 01× 2, 5) = 1, 81 Calculando o valor de y, onde x = 5 pois é próximo item do histórico (n+ 1) y = a+ b(x)⇒ y = 1, 81 + (0, 01)(5) = 1, 86 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 23 Sendo a carga do mês de Maio = 1, 86, podemos encontrar seu respectivo tempo de resposta Ri = Si 1− Ui ⇒ Ri = Si 1− (Si × λmaio) = 0, 53 1− (0, 53× 1, 86) = 28, 79 [ minutos visitas ] Para calcular o Tempo de Espera: Wi = Ri − Si ⇒ Wi = 28, 79− 0, 53 = 28, 26 [ minutos visitas ] 1.7.2.3 Simulando Tempo Médio de Resposta e Tempo Médio de Espera 1. Para um tempo médio de resposta que gaste a metade do tempo, qual seria o tempo médio de atendimento? Calculando o novo valor de Ri Ri = 10, 60⇒ Rnovo = Ri 2 = 10, 60 2 = 5, 30 [ minutos visitas ] Para encontrar Si temos que derivar a fórmula do tempo médio de resposta: Rnovo = Si 1− Ui ⇒ como ⇒ Ui = Siλi ⇒ tem-se: Rnovo = Si 1− (Siλi) ⇒ Rnovo(1− (Siλi)) = Si ⇒ Rnovo −RnovoSiλi = Si ⇒ Rnovo = Si +RnovoSiλi ⇒ Rnovo = Si(1 +Rnovoλi)⇒ Si = Rnovo 1 + (Rnovoλi) 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 24 Calculando o novo Si Si = Rnovo 1 + (Rnovoλi) ⇒ Si = 5, 30 1 + (5, 30)(1, 80) ⇒ Si = 0, 50 [ minutos visitas ] 2. Se quero um tempo médio de espera duas vezes menor, qual seria o novo tempo médio de antendimento? Calculando o novo tempo de espera Wi = 10, 07⇒ wnovo = Wi 2 = 10, 07 2 = 5, 04 [ minutos visitas ] Para encontrar Si temos que derivar a fórmula do tempo médio de resposta: Ri = Si 1− Ui Sabendo que Ui − Siλi e que Ri = Wi + Si portanto, Wi + Si = Si 1− (Siλi) Wi + Si = Si 1− (Siλi) ⇒ (5, 04 + Si) = Si 1− Si(1, 80) ⇒ (5, 04 + Si)(1− 1, 80Si) = Si ⇒ 5, 04− 9, 07Si + Si − 1, 80S2i = Si ⇒ (5, 04 + Si)(1− 1, 80Si) = Si ⇒ 5, 04− 9, 07Si + Si − 1, 80S2i − Si = 0⇒ 5, 04− 9, 07Si + Si// − 1, 80S2i − Si// = 0⇒ −1, 80S2i − 9, 07Si + 5, 04 = 0 1. Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 25 Sabendo que para resolver a expressão devemos utilizar a Fórmula de Báscara (fórmula quadrática), temos: ∆ = b2 − 4ac (1.22) x = −b±√∆ 2a (1.23) Temos: ∆ = b2 − 4ac⇒ ∆ = (−9, 07)2 − 4(−1, 80)(5, 04)⇒ ∆ = 82, 26 + 36, 29⇒ ∆ = 122, 55 x = −b±√∆ 2a ⇒ −(−9, 72)± √ 122, 55 2(−1, 80) ⇒ 9, 07± 11, 07 −3, 60 ⇒ x1 = 9, 07 + 11, 07 −3, 60 ⇒ x = x/ descartado por não haver divisão entre sinais diferentes x2 = 9, 07− 11, 07 −3, 60 ⇒ x = 0, 56 este é o valor do novo Si Si = 0, 56 [ minutos visitas ] 1 Modelagem Analítica - Teoria das Filas e Teoria da Análise Operacional 1.1 Definições 1.2 Sistemas de Filas 1.3 Componentes de um sistema de filas 1.4 Análise Operacional em Filas 1.4.1 Análise Operacional em Filas Isoladas 1.4.2 Variáveis operacionais básicas 1.4.3 Variáveis operacionais derivadas 1.4.4 Sequência de comportamento 1.5 Leis Operacionais 1.5.1 Lei da Utilização (Ui) 1.5.2 Número médio de visitas na Fila i (i) 1.5.3 Tempo Médio de Resposta (Ri) que cada visita permanece na fila i 1.5.4 Lei de Little 1.6 Teoremas Operacionais 1.6.1 Hipótese do Equilíbrio de Fluxo (EF) 1.6.2 Teorema da Taxa de Processamento (EF) 1.6.3 Teorema do Tempo de Resposta (Ri) 1.7 Construção da Curva de Desempenho da Fila 1.7.1 Obtendo as Medições 1.7.2 Simulando novos cenários
Compartilhar