Baixe o app para aproveitar ainda mais
Prévia do material em texto
Simulação e Tomada de Decisão Material Teórico Responsável pelo Conteúdo: Prof. Ms. Roberto Luiz Garcia Vickunsky Revisão Textual: Profa. Ms. Fátima Furlan Teoria das Filas: Modelos e Simulações • Notação Kendall • Postulados básicos e modelos de filas • Ferramentas para Simulação · Apresentar a notação Kendall utilizada para a classificação dos modelos de fila, os tipos básicos de sistemas de filas e suas aplicações. OBJETIVO DE APRENDIZADO Teoria das Filas: Modelos e Simulações Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja uma maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como o seu “momento do estudo”. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo. No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados. Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma Não se esqueça de se alimentar e se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Teoria das Filas: Modelos e Simulações Contextualização Na maioria dos casos, a chegada de um novo cliente em um sistema de filas é independente do tempo transcorrido entre esse evento e a chegada ocorrida anteriormente, ou seja, as chegadas, geralmente, ocorrem de maneira aleatória, como é o caso, por exemplo, das filas em uma agência bancária, onde a chegada de um cliente não tem relação com a chegada anterior, ou das filas de máquinas quebradas em um departamento de manutenção. Da mesma forma, o tempo transcorrido entre o atendimento de um cliente e outro em um sistema de filas ocorre de forma aleatória. Por exemplo, o atendimento de um cliente no sistema de fila de uma agência bancária pode ser mais demorado do que o atendimento do cliente anterior, o conserto de uma máquina no sistema de fila do departamento de manutenção pode demorar mais do que o anterior. Nesse contexto, modelos de filas que apresentam intervalos de tempos aleatórios entre chegadas ou atendimentos, devem ser descritos quantitativamente por meio da distribuição probabilística, que envolve conceitos complexos e vasto formulário. Portanto, fica clara a importância do estudo dos modelos de filas para que possamos reconhecer as características de cada sistema, o que nos permitirá aplicar as ferramentas adequadas nas análises, determinação das medidas de desempenho e simulações de modelos específicos de filas. 8 9 Notação Kendall O matemático britânico David George Kendall, em seu artigo intitulado “Sto- chastic Processes Occurring in the Theory of Queues and their Analysis by the Method of the Imbedded Markov Chain” (Processos Estocásticos Ocorrentes na Teoria das Filas e sua Análise pelo Método da Cadeia de Markov Integrada”), publi- cado em 1953 no The Annals of Mathematical Statistics, propôs a utilização de uma notação específica para descrever os processos de filas. Essa notação, que fi- cou conhecida como “Notação de Kendall”, descreve um sistema de filas por meio de seis parâmetros básicos identificados pelas letras A/B/c/K/m/Z. Esses parâ- metros representam as características do sistema, conforme a seguinte estrutura: Figura 1 Parâmetro A - Distribuição dos intervalos entre chegadas Esse parâmetro representa o tipo de distribuição estatística referente aos inter- valos de tempo entre as chegadas, podendo assumir um dos modelos apresentados na Tabela 1, de acordo com o tipo de distribuição. Parâmetro B - Distribuição dos intervalos entre chegadas Esse parâmetro representa o tipo de distribuição estatística referente aos tempos de serviço (atendimento). Assim como o parâmetro anterior, o parâmetro “B” pode assumir um dos modelos apresentados na Tabela 1, de acordo com o tipo de distribuição de probabilidade. Tabela 1 Modelo Distribuição Descrição M Markoviana Distribuição exponencial negativa ou distribuição de Poisson. Esse modelo é aplicado em sistemas de fila onde a probabilidade da ocorrência de um evento independe de quando ocorreu o evento anterior. É chamado também de modelo Memoryless (sem memória) pelo fato de expressar a probabilidade de ocorrência de eventos aleatórios que não dependem das ocorrências anteriores. Ek Erlang A distribuição Erlang é um caso especial da distribuição gama, geralmente aplicada em modelos de filas para representar a distribuição de tempo de serviço de diversas tarefas. O parâmetro K representa valores inteiros maiores que zero (quando K=1, a distribuição Erlang se torna uma distribuição exponencial). D Determinística É aplicada em modelos de filas onde os intervalos entre os eventos (chegadas ou atendimentos) são constantes, ou seja, não existe variação de tempo entre os eventos. G Geral Representa uma distribuição de probabilidade geral, onde os resultados podem ser considerados em qualquer modelo de distribuição probabilística. 9 UNIDADE Teoria das Filas: Modelos e Simulações Parâmetro c - Quantidade de atendentes Esse parâmetro determina o número de canais de atendimento do sistema de fila. Parâmetro K - Capacidade máxima do sistema Representa o número máximo de clientes suportado pelo sistema. Caso esse parâmetro seja omitido, ou seja, se ele não for referenciado na notação Kendall, considera-se que o sistema tem capacidade infinita. Parâmetro m - Tamanho da fonte Representa o número de indivíduos (população) que utiliza o sistema. Caso esse parâmetro seja omitido, ou seja, se ele não for referenciado na notação Kendall, considera-se que a fonte é infinita. Parâmetro Z - Disciplina da fila Representa o tipo de modelo organizacional da fila de espera em relação ao atendimento, podendo assumir um dos seguintes tipos: FIFO (First In, First Out - primeiro que entra é o primeiro que sai), LIFO (Last In, First Out - último que entra é o primeiro que sai), SIRO (Service In Random Order - atendimento em ordem aleatória) e PRI (PRIority Service - atendimento prioritário). Caso esse parâmetro seja omitido, ou seja, se ele não for referenciado na notação Kendall, considera-se que a disciplina da fila é FIFO. Exemplos A seguir, são apresentados alguns modelos de filas representados em notação Kendall, apenas com o intuito de exemplificar essa notação. Exemplo 1: M/M/2/30/2000/FIFO • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade de atendentes: 2; • Capacidade máxima do sistema: 30 clientes; • Tamanho da fonte (população): 2000 indivíduos; • Disciplina da fila: FIFO. Exemplo 2: M/M/3/500 • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade deatendentes: 3; 10 11 • Capacidade máxima do sistema: 500 clientes; • Tamanho da fonte: infinito (parâmetro omitido, portanto, considera-se o valor padrão: ∞); • Disciplina da fila: FIFO (parâmetro omitido, portanto, considera-se o valor padrão: FIFO). Exemplo 3: M/M/4 • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade de atendentes: 4; • Capacidade máxima do sistema: infinita (parâmetro omitido, portanto, considera-se o valor padrão: ∞); • Tamanho da fonte: infinito (parâmetro omitido, portanto, considera-se o valor padrão: ∞); • Disciplina da fila: FIFO (parâmetro omitido, portanto, considera-se o valor padrão: FIFO). Exemplo 4: M/E2/5/∞/∞/SIRO • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: segue a distribuição Erlang de ordem 2 (E2); • Quantidade de atendentes: 5; • Capacidade máxima do sistema: infinita (∞); • Tamanho da fonte: infinito (∞); • Disciplina da fila: SIRO (atendimento em ordem aleatória). Postulados básicos e modelos de fi las Serão abordados agora alguns postulados básicos aplicados a quaisquer sistemas de filas, e em seguida estudaremos os principais modelos de filas e suas equações básicas referentes às medidas de desempenho e análise probabilística. Postulados Básicos Os postulados apresentados a seguir se aplicam a quaisquer modelos de filas estáveis, ou seja, sistemas onde a taxa média de chegada (λ) é menor que o ritmo médio de atendimento (µ). 11 UNIDADE Teoria das Filas: Modelos e Simulações Postulado 1: Em qualquer modelo de fila estável, o fluxo de entrada (λE) é igual ao fluxo de saída (λS). Postulado 2: Em qualquer modelo de fila estável, o fluxo de entrada (λE1) se mantém igual em todas as etapas do sistema desde que não existam junções ou desdobramentos nessas etapas. Postulado 3: Em qualquer modelo de fila estável, o fluxo de entrada (λE) se mantém igual em todas as etapas do sistema, desde que não existam junções ou desdobramentos nessas etapas. Postulado 4: Em qualquer modelo de fila estável, os fluxos se desdobram aritmeticamente. No exemplo apresentado, podemos observar que o fluxo de entrada λE1, após o processo de atendimento pelo servidor A, é desdobrado em duas filas que serão atendidas pelos servidores B e C, sendo que o fluxo da primeira (λE2) corresponde a 60% do fluxo de entrada, e o fluxo da segunda (λE3) corresponde a 40%. Dessa forma, a soma das saídas λS1 e λS2 é igual à soma de λE2 e λE3, que representa o fluxo da entrada λE1. 12 13 Principais Modelos de Filas Modelo M/M/1 A notação M/M/1 é uma forma abreviada da notação Kendall, onde são omitidos os parâmetros K (capacidade máxima do sistema), m (tamanho da fonte) e Z (disciplina da fila). Portanto, considera-se para esses parâmetros os seus valores padrões, sendo assim, o modelo M/M/1 possui as seguintes características: • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade de atendentes: 1; • Capacidade máxima do sistema: infinita (default - padrão); • Tamanho da fonte: infinito (default - padrão); • Disciplina da fila: FIFO (default - padrão). A figura apresentada a seguir ilustra a estrutura do modelo de fila M/M/1. Pela sua simplicidade, o M/M/1 é o modelo de fila mais utilizado nos estudos teóricos. Nesse modelo markoviano de um único atendente, a taxa de chegada segue o processo de Poisson, o ritmo de atendimento segue o modelo de distribuição probabilística exponencial, e a capacidade de atendimento e o tamanho da fonte são infinitos. Dessa forma, as medidas de desempenho podem ser facilmente calculadas. A Tabela 2 mostra as equações básicas do modelo de fila M/M/1. Tabela 2 – Equações do Modelo M/M/1 Equações Gerais 1 Intervalo médio entre chegadas. IC = 1 λ 2 Tempo médio de atendimento TA = 1 µ 3 Taxa média de utilização do servidor. ρ λ µ = 13 UNIDADE Teoria das Filas: Modelos e Simulações Tabela 2 – Equações do Modelo M/M/1 Funções Estatísticas (Probabilidade) 4 Probabilidade de existirem “n” clientes no sistema. P n n ( ) = ⋅ − λ µ µ λ µ 5 Probabilidade de que a quantidade de clientes no sistema seja maior que um dado valor “r”. P n r r ( )> = + λ µ 1 6 Probabilidade de que o sistema esteja ocioso. P n =( ) = − 0 µ λ µ 7 Probabilidade de que o sistema esteja ocupado (é igual à taxa média de utilização do servidor representada pela letra grega ρ - rô). P n >( ) = = 0 ρ λ µ Equações de Quantidades e Tempos 8 Número médio de clientes no sistema. NS = − λ µ λ 9 Número médio de clientes na fila de espera. NF = −( ) λ µ µ λ 2 10 Tempo médio de espera na fila. TF = −( ) λ µ µ λ 11 Tempo médio em que o cliente permanece no sistema. TS = − 1 µ λ Relacionamento Entre as Equações (Lei de Little) 12 Relação entre o número médio de clientes na fila de espera (NF) e tempo médio de espera na fila (TF). NF TF= ⋅λ 13 Relação entre o número médio de clientes no sistema (NS) e o tempo médio de permanência do cliente no sistema (TS). NS TS= ⋅λ 14 Relação entre o tempo médio de espera na fila (TF) e o tempo médio de permanência no sistema (TS). TF TS= − 1 µ 15 Relação entre o número médio de clientes na fila de espera (NF) e número médio de clientes no sistema (NS). NF NS= − λ µ Exemplo prático de um modelo de fila M/M/1 No balcão de informações de um aeroporto, chegam em média 16 pessoas por hora. Sabendo-se que o tempo médio de atendimento é de 3 minutos e que o sistema é um modelo M/M/1, calcule os seguintes dados: 1. o número médio de pessoas esperando na fila; 2. o tempo médio que uma pessoa gasta no sistema; 3. o número médio de pessoas no sistema; 4. a probabilidade do balcão de atendimento estar livre; 5. a probabilidade de haver 5 pessoas no sistema; 6. a probabilidade de haver mais de 8 pessoas no sistema. 14 15 Dados conhecidos: • λ = 16 (taxa de chegada = 16 pessoas/hora) • TA = 3min = 3÷60 = 0,05h (tempo de atendimento 0,05 hora/pessoa) • µ = 1÷TA = 1÷0.05 = 20 (ritmo de atendimento = 20 pessoas/hora) Solução 1. Número médio de pessoas esperando na fila (NF): NF � � � � �pessoas= −( ) = −( ) = = λ µ µ λ 2 216 20 20 16 256 80 3 2 . , . 2. Tempo médio que uma pessoa gasta no sistema (TS): TS � � 0,25 hora ou 15 minutos= − = − = 1 1 20 16µ λ 3. Número médio de pessoas no sistema (NS): NS � � 4 pessoas= − = − = λ µ λ 16 20 16 ou pela fórmula de Little: NS TS = 4 pessoas= ⋅ = ⋅ ( )λ 16 0 25, 4. Probabilidade do balcão de atendimento estar livre (P(0)): P n �� � �� n ( ) = − λ µ µ λ µ . P � � � �� 20% de proba0 16 20 20 16 20 1 4 20 0 2 0 ( ) = − = ⋅ = =. , bbilidade. 5. Probabilidade de haver 5 pessoas no sistema (P(5)): P n � � � P � � � � ( ) = ⋅ − ( ) = − λ µ µ λ µ n 5 16 20 20 16 20 5 . = =( , ) .0 8 4 20 5 0,065 = 6,5% de probabilidade. 6. Probabilidade de haver mais de 8 pessoas no sistema (P(n>8)): P n �� � P n �� � r >( ) = >( ) = = = = + + r λ µ 1 8 1 98 16 20 0 8 0 134( , ) , 113 4, .%�de�probabilidade 15 UNIDADE Teoria das Filas: Modelos e Simulações Modelo M/M/c O modelo M/M/c é uma variação do modelo M/M/1, com a diferença de que o número de atendentes, definido pelo parâmetro “c”, é maior que 1. Portanto, esse modelo possui as seguintes características: • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade de atendentes: 2 ou mais (c); • Capacidade máxima do sistema: infinita (default - padrão); • Tamanho da fonte: infinito (default - padrão); • Disciplina da fila: FIFO (default - padrão). A figura apresentada a seguir ilustra a estrutura do modelo de fila M/M/c. As equações do modelo M/M/c,diferentemente do modelo anterior M/M/1, são bastante complexas, como você pode observar na Tabela 3. Por esse motivo, geralmente são utilizados gráficos para se obter o número médio de clientes na fila (NF) com base na taxa de utilização dos servidores, e em seguida, aplica-se as fórmulas de Little para o cálculo das outras variáveis. Equações do modelo M/M/c Nome Descrição Fórmula ρ Taxa média de utilização do servidor. ρ λ µ = ⋅c r Relação entre taxa de chegada (λ) e taxa de atendimento (µ) r = λ µ NF Número médio de clientes na fila de espera. NF P cr c c r c = ( ) −( ) +0 1 2 ! NS Número médio de clientes no sistema. NS r r c c r P c = + −( ) ( ) +1 2 0 ! 16 17 Equações do modelo M/M/c TF Tempo médio de espera na fila. TF r c c P c = −( ) −( ) ( )µ µ λ1 02 ! TS Tempo médio em que o cliente permanece no sistema. TS r c c P c = + −( ) −( ) ( ) 1 1 02µ µ µ λ! P(n) Probabilidade de existirem “n” clientes no sistema. P n P r n se n c P n P r c c se n c n n n c ( ) = ( ) ≤ ≤ ( ) = ( ) ≥− 0 1 0 ! ! ��� ��� P(0) Probabilidade de que o sistema esteja ocioso. P r n cr c c r n c n c 0 0 1 1 ( ) = + −( ) = − − ∑ ! ! Exemplo prático de um modelo de fila M/M/c Em um aeroporto que possui duas pistas de pouso e decolagem, chegam 15 aviões por hora. Sabendo-se que o tempo médio de aterrissagem é de 3 minutos e que o sistema é um modelo M/M/c, calcule os seguintes dados: 1. o ritmo médio de atendimento; 2. a taxa média de utilização dos servidores; 3. o número médio de aviões aguardando para pousar; 4. o tempo médio de espera para o pouso; 5. o tempo médio de permanência no sistema; Dados conhecidos: • λ = 15 (taxa de chegada = 15 aviões/hora) • TA = 3min = 3÷60 = 0,05h (tempo de aterrissagem 0,05 hora/avião) • c = 2 (número de servidores = 2 pistas de pouso) Solução 1. Ritmo médio de atendimento (µ): µ = = =� TA � �20 aviões/hora. 1 1 0 05, 2. Taxa média de utilização dos servidores (ρ): ρ λ µ = ⋅ = ⋅ ( ) = =� c � %�� 15 2 20 0 375 37 5, , (cada pista apresenta ocupação de 37,5% do tempo) 17 UNIDADE Teoria das Filas: Modelos e Simulações 3. Número médio de aviões aguardando para pousar (NF): Devemos achar a relação entre as taxas de chegada e atendimento (r): r = = = λ µ 15 20 0 75, Devemos encontrar a probabilidade de o sistema estar ocioso (P(0)): P r n cr c c r xn n c c 0 0 1 1 0 10 75 0 0 75 1 2 0 ( ) = − − = + −( ) = + +∑ ! ! , ! , ! ,775 2 2 0 75 0 4545 2 1 ! , , −( ) = − Agora basta calcular o número médio de aviões na fila (NF): NF � P cr c c r x� x� �� c = −( ) = −( ) =( ) + 0 1 2 3 2 0 4545 2 0 75 2 2 0 75 0 1227 ! , , ! , , �� � � � �aviãoemmédiana fila 4. Tempo médio de espera para o pouso (TF): TF r c c P � x� � x� x � c = −( ) −( ) = −( ) −( )( ) µ µ λ1 0 75 20 2 1 2 20 15 0 452 0 2 2 ! , ! , 445 0 0082= , hora = 0,0082 * 60 = 0,49 minuto (tempo de espera na fila) 5. Tempo médio de permanência no sistema (TS) TS r c c P TS � x� c = + −( ) −( ) = + −( ) ( ) 1 1 1 20 0 75 20 2 1 2 2 0 2 µ µ µ λ! , ! xx� 0,4545 = 0,0582 hora 20 15 2 −( ) = 0,0582 * 60 = 3,5 minutos (tempo de permanência no sistema) Modelo M/M/1/K O modelo M/M/1/K é aplicado com bastante frequência na vida prática. Tra- ta-se de um caso particular do modelo M/M/1, onde a capacidade máxima do sistema, representada pelo parâmetro “K”, é limitada. Fato que também implica na limitação da fonte de clientes (população). O modelo M/M/1/K possui as seguintes características: • Intervalo entre chegadas: segue a distribuição de Poisson (M); • Tempo de serviço: exponencialmente distribuído (M); • Quantidade de atendentes: 1; • Capacidade máxima do sistema: finita (K); • Disciplina da fila: FIFO (default - padrão). 18 19 A Tabela 4 apresenta as equações desse modelo de fila. Equações do modelo M/M/1/K Nome Descrição Fórmula ρ Taxa média de utilização do servidor. ρ λ µ = NF Número médio de clientes na fila de espera. NF � K � NF � K K K � K K � � = − − + − ≠ = −( ) +( ) ≠ + + ρ ρ ρ ρ ρ ρ ρ 1 1 1 1 2 1 1 1 1 se se ��� ��� NS Número médio de clientes no sistema. NS K � NS K �� � K K �se� �se� = − − +( ) − → ≠ = → = + + ρ ρ ρ ρ ρ ρ 1 1 1 1 2 1 1 1 TF Tempo médio de espera na fila. TF K � � TF K � � K K ��se�� ��se�� = −( ) − −( ) → ≠ = − → = ρ µ ρ ρ µ ρ ρ ρµ ρ 1 1 1 1 2 1 TS Tempo médio em que o cliente permanece no sistema. TS K � TS K � K K ��se�� ��se�� = −( ) − −( ) → ≠ = + → = 1 1 1 1 1 2 1 µ ρ ρ µ ρ ρ ρµ ρ P(0) Probabilidade de que o sistema esteja ocioso. P � P K � K ���se�� ���se�� 0 1 0 1 1 1 1 1 1 ( ) + ( ) = − − → ≠ = + → = ρ ρ ρ ρ Exemplo prático de um modelo de fila M/M/1/K O departamento de usinagem de uma indústria possui 6 máquinas. Constatou- se que em média, 3 máquinas por semana apresentam defeito. Sabendo-se que o departamento de manutenção (servidor) tem capacidade para consertar em média 6 máquinas por semana e que o sistema é um modelo M/M/1/K, calcule os seguintes dados: 1. a taxa média de utilização do servidor; 2. a probabilidade do sistema estar ocioso; 3. o número médio de máquinas quebradas na fila; 4. o número médio de máquinas quebradas no sistema; 5. o tempo médio de espera na fila; 6. o tempo médio de permanência no sistema. Dados conhecidos: • λ = 3 (taxa de chegada = 3 máquinas/semana para conserto) • K = µ = 6 (quantidade de máquinas = capacidade do sistema) • c = 1 (número de atendentes = departamento de manutenção) 19 UNIDADE Teoria das Filas: Modelos e Simulações Solução 1. Taxa média de utilização do servidor (ρ): ρ λ µ = = =� � 3 6 0 5, O servidor (departamento de manutenção) ficará ocupado 50% do tempo (ρ=0,5). 2. b) Probabilidade de o sistema estar ocioso (P(0)): P P � K ���se�� 0 1 0 6 1 1 1 1 1 0 5 1 0 5 0 5039 ( ) + ( ) + = − − → ≠ = − − = ρ ρ ρ , , , Probabilidade de o sistema estar ocioso = 0,5039 = 50,39% 3. Número médio de máquinas na fila (NF): NF � K NF � K K ��se� = − − + − → ≠ = − − ( ) + + + + ρ ρ ρ ρ ρ ρ 1 1 1 0 5 1 0 5 6 0 5 0 5 1 1 6 1 , , . , , 11 0 56 1− =+, 0,4488 máquina em média na fila 4. Número médio de máquinas no sistema (NS): NS K � NS K K �se� = − − +( ) − → ≠ = − − +( ) − + + + ρ ρ ρ ρ ρ 1 1 1 1 0 5 1 0 5 6 1 0 5 1 0 1 1 6 1, , , ,,56 1+ = 0,9449 máquina em média no sistema� 5. Tempo médio de espera na fila (TF): TF K � TF K K ��se�� = −( ) − −( ) → ≠ = −( ) − ( ) − ρ µ ρ ρ µ ρ ρ 1 1 1 0 5 6 1 0 5 6 0 5 6 1 6 , , . , 00 5 0 1508 6, , ( ) = = 0,1508 semana (tempo de espera na fila) 6. Tempo médio de permanência no sistema (TS) TS K � TS K K ��se�� = −( ) − −( ) → ≠ = −( ) − ( ) − 1 1 1 1 1 6 1 0 5 6 0 5 6 1 0 6 µ ρ ρ µ ρ ρ , . , ,55 0 3175 6( ) = , = 0,3175 semana (tempo de permanência no sistema) 20 21 Ferramentas para Simulação A simulação é um processo experimental onde, a partir de um modelo tomado como base, são feitas projeções de cenários diversos com o propósito de analisar o comportamento e as respostas do sistema estudado nas mais variadas condições. Antes do surgimento das ferramentas computacionais voltadas à experimentação de modelos por meio de simulações, as técnicas para esse fim restringiam-se aos processos manuais, onde as simulações eram feitas manualmente por meio da exaustiva repetição de cálculos sobre o modelo estudado. Por esse motivo, as simulações eram utilizadas como um último recurso. Com o surgimento e popularização dos sistemas computacionais, diversas ferramentas que podem ser utilizadas para simulações foram desenvolvidas. Essas ferramentas são classificadas em três categorias: linguagens de programação, aplicativos de uso geral e softwares específicos.As linguagens de programação são ferramentas que permitem a criação de aplicações (programas). São ferramentas complexas que exigem do desenvolvedor bons conhecimentos da linguagem e lógica de programação. Como exemplos de linguagens de programação, podemos citar: C, JAVA, BASIC, FORTRAN, PASCAL, dentre outras. Os aplicativos de uso geral, assim como as linguagens de programação, não são voltados especificamente para simulações. Porém, eles permitem a realização de experimentos sobre modelos de uma forma mais acessível ao usuário. Como exemplos desses aplicativos, temos o EXCEL® (desenvolvido pela Microsoft Corporation) e o MATLAB® (desenvolvido pela MathWorks, Inc.), dentre outros. Os softwares específicos, por outro lado, são ferramentas desenvolvidas exclu- sivamente para determinadas aplicações. São geralmente mais intuitivas e fáceis de usar, pois, integram todos os recursos para a realização de um determinado trabalho, sem a necessidade do usuário construir as fórmulas matemáticas ou os algoritmos, basta introduzir os parâmetros e as variáveis do modelo. Como exem- plos desses softwares, temos o PROMODEL® (desenvolvido pela Promodel Cor- poration) e o ARENA® (desenvolvido pela Rockwell Automation), dentre outros. A Rockwell Automation disponibiliza uma versão gratuita do software ARENA (versão Student) na sua página ofi cial: www.arenasimulation.com A Promodel Corporation disponibiliza uma versão gratuita do software PROMODEL (versão Run-Time-Silver-Demo) na sua página ofi cial: https://goo.gl/RZjgCK Ex pl or 21 UNIDADE Teoria das Filas: Modelos e Simulações Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Livros Introdução à Pesquisa Operacional HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed. Porto Alegre: Mc Graw-Whill, 2013. Capítulo 17. Pesquisa Operacional TAHA, Hamdy A. Pesquisa Operacional. 8.ed. Pearson, 2007. Capítulo 15 Leitura Estudo sobre Modelagem e Simulação de Sistemas de Fila M/M/1 e M/M/2 https://goo.gl/jMHrOU Análise do Fluxo de Pessoas no Sistema de Acesso em uma Universidade - Uma Aplicação da Teoria das Filas Utilizando o PROMODEL https://goo.gl/smavGW 22 23 Referências ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos Para a Análise de Decisão. 4. ed. Rio de Janeiro: Ltc-Livros Técnicos e Científicos, 2011. HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed. Porto Alegre: Mc Graw-Whill, 2013. TAHA, Hamdy A. Pesquisa Operacional. 8ª edição. Pearson, 2007. 23
Compartilhar