TEORIA DAS FILAS

LIBERTADORES

(continua na Fila)

LEI DE MURPHY

a fila que anda a outra, mas no adianta trocar de fila pois a fila que anda a outra

Histria
A teoria das filas teve seu incio com a pesquisa de um engenheiro dinamarqus chamado A. K. Erlang. Em 1890 Erlang fez experimentos com demanda flutuante no trfico telefnico. Oito anos depois ele publicou um relatrio dirigido aos atrasos nos equipamentos de discagem automticos. No fim da 2 Guerra Mundial os estudos de Erlang foram estendidos para problemas mais gerais e para aplicao de filas em negcios.

O estudo das filas uma das tcnicas de anlise quantitativa mais antiga e mais utilizada. Filas ocorrem todos os dias afetando pessoas nas suas compras na padaria, postos de gasolina, bancos ou esperando um atendimento automtico via telefone. Filas podem aparecer em forma de mquinas esperando para serem arrumadas, caminhes para serem carregados ou descarregados ou avies esperando permisso para decolar. Os componentes bsicos de uma fila so o processo de chegada, o processo de atendimento e a espera na fila.

O QUE SE QUER SABER?

A probabilidade de no se ter ningum no sistema; A mdia de unidades na fila; A mdia de unidades no sistema (unidades na fila mais unidades sendo atendidas); A mdia de tempo de espera em uma fila; A mdia de tempo de espera no sistema; A probabilidade de uma unidade recm chegada esperar na fila.

Trade-off

CARACTERSTICAS
CHEGADA

 No perodo de meia hora foi verificado que chegou ao sistema 12 pessoas em um banco. Os intervalos entre chegadas foram (valores em minutos) Por outro lado, os dados anotados para cada atendimento so os seguintes: O valor mdio dos dados acima 2,0 minutos e, portanto, pode-se dizer que o servidor tem uma capacidade de atender 30 clientes por hora.
Cliente: 1 2 3 4 5 6 7 8 9 10 11 12 Durao :1 2 1 1 3 2 1 4 2 3 1 3 Cliente: 1 2 3 4 5 6 7 8 9 10 11 12 Intervalo:2 3 3 3 5 0 1 5 1 4 1 2 Momento:2 5 8 11 16 16 17 22 23 27 28 30

Observando a Dinmica de uma Fila:

13

Observando a Dinmica de uma Fila :

A dinmica da fila pode ser verificada conforme e figura abaixo:
Clientes que esto sendo atendidos em uma posto bancrio

1 5

3 10

4 15

6 7 20

8 25 9

10 11 12 tempo

30 10 11 12

Clientes em espera na fila

14

Tamanho da Populao
O tamanho da populao pode ser ilimitada (infinita) ou limitada (finita). Carros chegando em um pedgio, clientes chegando nos caixas de um supermercado, so considerados modelos com populao infinita, a maioria dos modelos de filas assume lidar com populao infinita. Os modelos com populao finitas so mais complexos, um exemplo um conjunto de oito mquinas que podem quebrar e entram na fila para reparo.

CHEGADAS

 A tabela abaixo mostra anotaes sobre a chegada de veculos a um pedgio por minuto. Nas 60 anotaes chegaram 120 veculos, o que fornece:
= 2 veculos/minuto Menor valor = zero chegadas/min ( 9 vezes) Maior valor = 8 chegadas/min (1 vez) Ritmos de chegadas de veculos 2 1 2 1 0 2 0 2 3 1 3 1 2 0 1 2 1 0 2 2 3 2 2 3 1 6 0 2 3 7 4 1 1 1 1 8 1 3 1 2 0 4 . 0 4 1 3 2 3 1 5 0 3 2 1 2 1 2 2 0 4
17

 Alm do valor mximo, mnimo e mdia, importante conhecer como os valores se distribuem em torno da mdia. Para isso so analisada as frequncias absolutas e relativas. Pelas anotaes anteriores tem-se: Ritmo x Frequncias
Ritmo Freq. Absoluta 0 9 1 17 2 17 3 9 4 4 5 1 6 1 7 1 8 1 9 0 10 0 Freq. Relativa 0,150 0,283 0,283 0,150 0,066 0,017 0,017 0,017 0,017 0 0

0,3 0,25 0,2 0,15 0,1 0,05

1 2 3 4 5 6 7 8 9 10

18

 Qual a distribuio estatstica que mais se aproxima dos dados reais? So utilizados testes estatsticos 2 ou KolmogorovSimirnov Ritmo x Frequncias x
Ritmo Freq. Absoluta 0 9 1 17 2 17 3 9 4 4 5 1 6 1 7 1 8 1 9 0 10 0 Freq. Dist. Relativa 0,150 0.135 0,283 0,271 0,283 0,271 0,150 0,180 0,066 0,090 0,017 0,036 0,017 0,012 0,017 0,003 0,017 0,001 0 0 0 0 Poisson =2

.e f ( x) = x!

0,3 0,25 0,2 0,15 0,1

EXPONENCIAL NEGATIVA

0,05

1 2 3 4 5 6 7 8 9 10

19

Padro (forma) das chegadas

Os clientes chegam a um posto de servio conforme um padro conhecido (exemplo: um paciente a cada 15 minutos, um carro a cada 20 segundos) alm disso eles chegam aleatoriamente (quando as chegadas so independentes, no podem ser previstas). Normalmente, em problemas de filas o nmero de chegadas pelo tempo pode ser estimada probabilisticamente atravs de uma distribuio de probabilidade conhecida como por exemplo a distribuio de Poisson. Freqentemente utilizada a distribuio de probabilidade de Poisson como uma boa descrio do padro de chegada, Claro que nem todas as chegadas seguem a distribuio de Poisson, nestes casos devemos fazer observaes e anotaes das chegadas, traar grficos e buscar estatisticamente qual distribuio melhor se adapta aos dados coletados.

Comportamento das chegadas

A maioria dos modelos assume que o cliente que chega um cliente paciente, ou seja, aguardam na fila at o momento do atendimento, como uma mquina, no um cliente que muda de fila. Infelizmente a realidade um pouco mais complicada pelo fato de haver clientes que falham ou no entram na fila porque esta muito longa e no esta de acordo com suas necessidades, ou haver clientes que renegam, ou ficam impacientes e saem da fila sem receber o servio.

Caracterstica da Fila
Uma fila pode ter seu tamanho limitado por causa de restries fsicas ou ter seu tamanho ilimitado, ou seja, pode crescer infinitamente. Outro ponto a ser observado a disciplina da fila, que a regra como os clientes na fila iro receber o servio, a mais utilizada a regra FIFO (first in, first out), podem existir outras regras como regras com prioridades, ou LIFO (last in, first out).

Caracterstica do Atendimento
Canal nico, Fase nica

FILA

Servidor Populao Clientes Atendimento

Caracterstica do Atendimento
Canal nico, Fase mltipla
FILA

Servidor Populao Clientes Atendimento

Servidor Atendimento

Caracterstica do Atendimento
Canal mltiplo, Fase nica

FILA

Servidor

Servidor Populao Clientes

Servidor Atendimento

Caracterstica do Atendimento
Canal mltiplo, fase mltipla
FILA Servidor Servidor

Populao

Clientes

Servidor

Servidor

Atendimento

Atendimento

Caracterstica do Atendimento
O tempo de servio pode ser constante, ou seja, leva o mesmo tempo para cada cliente como em uma mquina, ou o tempo de servio pode ser aleatrio, que o mais comum e na maioria das vezes descrito pela distribuio de probabilidade exponencial negativa, conveniente matematicamente utilizar esta distribuio se as chegadas seguirem distribuio de probabilidade de Poisson.

Notao Kendal
A/B/c/K/m/Z A descreve a distribuio dos intervalos de chegada B descreve a distribuio do tempo de servio c a quantidade de atendentes K a capacidade mxima do sistema (nmero mximo de clientes no sistema) m o tamanho da populao que fornece clientes Z a disciplina da fila

Os tipos de distribuio podem ser:

M exponencial negativa (ou markoviana ou Poisson) Em Erlang de estgio m Hm hiper-exponencial de estgio m Deterministica Geral

A disciplina da fila pode ser:

LIFO FIFO Por prioridade Aleatria Etc.

Postulados Bsicos
Em qualquer sistema estvel, o fluxo que entra igual ao fluxo que sai

Em um sistema estvel, o fluxo de entrada se mantm nas diversas sees do sistema

A B C
31

Postulados Bsicos
Em um sistema estvel, a juno de fluxos equivale s suas somas
1 A 3 B B 3=0,21
32

Em um sistema estvel, o fluxo se desdobra aritmeticamente

2=0,81 1 A 80% C

3 C

20%

Modelo de Fila com canal nico chegada Poisson e atendimento Exponencial

M/M/1

A disciplina da fila FIFO; Toda chegada aguarda para ser atendido independente do tamanho da fila, ou seja, no existem clientes que falham ou renegam; As chegadas so independentes das chegadas anteriores, mas a mdia das chegadas no varia com o tempo; As chegadas ocorrem conforme a distribuio de probabilidade de Poisson e vem de uma populao infinita ou muito grande; O tempo de atendimento varia de um cliente para outro e so independentes, mas a mdia conhecida; O tempo de atendimento ocorrem conforme a distribuio de probabilidade exponencial negativa; A mdia dos atendimentos maior que a mdia das chegadas

 = mdia de chegadas por perodo de tempo = mdia do atendimento por perodo de tempo

L = Nmero mdio de clientes no sistema

L=

W tempo mdio que o cliente fica no sistema

1 w=

Lq Nmero mdio de clientes na fila

Lq = .( )
2

Wq Tempo mdio que o cliente fica na fila

Wq = .( )

 fator de utilizao, probabilidade do servio estar sendo utilizado

P0 porcentagem de tempo ocioso, probabilidade de no ter ningum no sistema

P0 = 1

Pn>k Probabilidade de o nmero de clientes no sistema ser maior que

Pn > k

k +1

EXEMPLO
A mecnica Arnold capaz de instalar silenciadores novos a uma taxa mdia de 3 por hora ou 1 a cada 20 minutos. Clientes necessitando deste servio chegam a loja em mdia 2 por hora. Arnold fez um estudo de filas e encontrou as seguintes caractersticas:

 = 2 carros chegando por hora = 3 instalaes por hora L = 2 carros no sistema em mdia W = 1 hora em mdia um carro gasta no sistema Lq = 1,333 carros esperando na fila em mdia Wq = 0,667 ou 40 minutos mdia de tempo de espera por carro = 0,67 porcentagem do tempo que o mecnico esta ocupado, ou probabilidade do atendente estar ocupado P0 = 0,33 probabilidade de existir 0 carros no sistema

ANLISE ECONMICA
Arnold estimou que o custo do cliente esperando na fila (insatisfao do cliente e perda da pacincia) de $10 por hora gasta na fila. Trabalha-se na loja 8 horas por dia, se chegam 2 carros por hora, temos ento 16 carros por dia, se cada carro espera na fila 0,667 horas ento o tempo total de espera em fila para um dia em mdia de 10,672 horas, se o custo de $10 por hora, o custo total do cliente esperando de $106,72 por dia.

 Arnold s conseguiu levantar mais um custo relacionado a fila que o custo do mecnico que faz a troca, este ganha $7 por hora, ou $56 por dia portanto o total de custo fica em $106,72 + $56 = $162,72

 Arnold fez uma prospeco pelos concorrentes da regio e encontrou um mecnico que instala 4 silenciadores por hora, Arnold fez um contato com este novo mecnico e ele s concordou em mudar de empresa por um salrio de $9 por hora. Que deciso Arnold deve tomar, manter o atual ou demiti-lo e contratar o novo mecnico ?

 Custo com o novo funcionrio de: 16 carros/dia x 0,25 hora de espera = 4 horas Custo da espera do cliente de $10 x 4 horas = $40 por dia Custo total = $40 + $72 = $112 por dia $112 < $162 portanto novo funcionrio economiza $50 por dia como Arnold ir pagar $16 a mais para o novo funcionrio e ele ira ganhar a mais por dia com o novo funcionrio $50 - $16 = $34

Modelo de Fila com canais mltiplos chegada Poisson e atendimento Exponencial

(M/M/c)

k o nmero de canais (atendentes) A fila tiver 2 ou mais atendentes A chegada segue distribuio Poisson O tempo de atendimento segue distribuio Exponencial A mdia de atendimento igual para todos os canais As chegadas esperam em uma fila nica e ento so atendidas no primeiro atendente vago A disciplina da fila FIFO

Probabilidade de nenhuma unidade no sistema

= 0

1 k 1 n! n =0
n

+ k!

k . k

Probabilidade de n unidades no sistema

. .........Para..n k Pn = n! P0 . .........Para..n k = Pn k!.k ( nk ) P0

n

Nmero mdio de unidades na fila

. Lq = . P0 2 (k 1)!.(k )

Nmero de unidades no sistema

L = Lq +

Tempo mdio na fila

Wq =

Lq

Tempo mdio no sistema

1 W = Wq +

 At o presente momento Arnold tinha 2 opes que eram: manter seu mecnico atual ou demiti-lo e contratar um mecnico mais rpido a um custo maior. Uma terceira opo apresentada: abrir um segundo box de instalao, contratar um mecnico com a mesma taxa de atendimento do primeiro ( = 3) e os carros que chegam esperam em uma fila nica at um dos dois mecnicos estarem disponveis.

 k=2 =2 =3

P0 = 0,5 L = 0,75 W = 0,375 horas Lq = 0,083 Wq = 0,0415 horas

Caracterstica Probabilidade sistema vazio (P0) Mdia de carros no sistema (L) Mdia de tempo no sistema (W) Mdia de carros na fila (Lq) Tempo mdio na fila (Wq)

Mecnico antigo = 3 0,33

Mecnico novo = 4 0,5

Dois mecnicos = 3 0,5

2 carros 60 min 1,33 carros 40 min

1 carro 30 min 0,5 carros 15 min

0,75 carros 22,5 min 0,083 carros 2,5 min

 O segundo mecnico recebe o mesmo que o primeiro ($7 por hora) desta forma temos os seguintes custos: 16 (carros/dia) x 0,0415 (horas/carro) = 0,664 horas custo do cliente esperando - 0,664 horas x $10 por hora = $6,64 por dia custo do servio 2 mecnicos x 8 horas/dia x $7 por hora = $112 por dia custo total = $6,64 + $112 = $118,64

M/G/1
Embora a distribuio exponencial descreva exatamente o processo de chegada, h muitas situaes em que talvez ela no se encaixe muito bem no processo do servio. Felizmente, existe uma generalizao do modelo bsico que permite que a distribuio do tempo de servio seja arbitrria. Nem mesmo necessrio conhecer a distribuio do tempo de servio, somente sua mdia, 1/ e sua varincia, 2.

M/G/1

EXERCICIOS

Exemplo Filas seqenciais em uma fbrica:

Em um sistema de filas seqenciais, conforme figura, calcule as filas que se formam em cada =15 =30 servidor. =10

Chegada

Fabricao

Inspeo 20% =2

Reparo =20

65

[Ragasdale 1997] Um banco tem apenas um posto de atendimento a dvidas, aps estudos verificou-se que na quarta feira a tarde os clientes chegam ao posto aleatoriamente seguindo uma distribuio de Poisson com uma taxa mdia de 30 clientes por hora.
Em mdia quantos clientes chegam por minuto ? Quantos clientes espera-se que chegue em 10 minutos ?

[Ragasdale 1997] Suponha para o exerccio anterior o atendimento ocorra a uma taxa de 40 clientes por hora e siga uma distribuio exponencial. Qual o tempo de atendimento por cliente ?

[Ragasdale 1997] O administrador da Redford Credit Union (RCU) quer determinar quantos atendentes de meio perodo deve empregar a fim de cobrir o pico de demanda das 11:00 am s 14:00 pm. Atualmente a RCU tem 3 atendentes perodo integral que atendem a demanda o resto do dia, mas durante o perodo de pico os clientes tem reclamado que o tempo de atendimento muito longo. O administrador verificou que os clientes chegam conforme distribuio de Poisson com uma mdia de 60 chegadas por hora durante o perodo de pico. Cada atendente faz seu trabalho a uma taxa de 24 atendimentos por hora, seguindo uma distribuio exponencial. Em mdia quanto o cliente deve esperar na fila antes que o atendimento ocorra ? Uma vez que o atendimento se iniciou, em mdia quanto tempo leva para ser completo ? Se 1 atendente meio perodo for contratado para o perodo de pico, como isto afetaria a mdia do tempo de espera de um cliente na fila ? Se 1 atendente meio perodo for contratado para o perodo de pico, como isto afetaria a mdia de atendimento de um cliente ?

Modelo de Fila com canal nico, chegada Poisson, atendimento Exponencial e populao finita (M/M/1) com populao finita
P0 = 1 N! ( N n)!. n =0
N n

Wq =

Lq ( N L).

+ Lq = N .(1 P0 )

1 W = Wq +

L = Lq + (1 P0 )