Curso: Engenharia de Produção
Por que aparecem as filas?
Não é eficiente, nem racional, que cada um
disponha de todos os recursos individualmente.
Por exemplo:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Por exemplo:
que cada pessoa disponha do uso exclusivo de
uma rua para se movimentar;
que cada pessoa tenha um supermercado para o
seu abastecimento exclusivo;
Curso: Engenharia de Produção
Recursos limitados devem ser
compartilhados.
Ao compartilhar recursos, pode acontecer
que no momento em que se queira fazer uso
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
que no momento em que se queira fazer uso
de um recurso, este esteja ocupado;
necessidade de esperar
aparecem as filas
Curso: Engenharia de Produção
Um fluxo é o movimento de alguma
entidade através de um ou mais canais de
capacidade finita para ir de um ponto a
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
capacidade finita para ir de um ponto a
outro.
Capacidade finita significa que o canal só
pode satisfazer a demanda a uma taxa finita.
Curso: Engenharia de Produção
Exemplos:
� fluxo de automóveis (entidades)
através de uma rede de caminhos
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
(canais)
� transmissão de mensagens telefônicas
(entidades) através da rede (canal)
Curso: Engenharia de Produção
Os fluxos podem ser classificados em:
� Determinísticos: sistemas no qual o
comportamento da demanda pelo serviço é
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
previsível;
� Aleatório: não é possível predizer como
vai se comportar a demanda pelo serviço.
Curso: Engenharia de Produção
Para descrever um sistema de filas
um processo de entrada e um de saída
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
devem ser especificados. Alguns
exemplos podem ser vistos na tabela
seguinte:
Curso: Engenharia de Produção
Sistema Entrada Saída
Banco Correntistas Atendentes
Pizzaria Requisição de Atendente envia
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
on-line pizza motoqueiro com a pizza
Pedágio Automóveis Atendente cobra e libera o
veículo
Curso: Engenharia de Produção
A entrada é geralmente denominada de
processo de chegada. Chegadas são
denominadas de clientes. Em todos os
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
denominadas de clientes. Em todos os
sistemas será assumido que não mais do que
uma chegada pode ocorrer em um único
instante.
Curso: Engenharia de Produção
Será assumido que o processo não é
afetado pelo número de clientes no sistema. Se
o processo de chegada não é afetado pelo
número de consumidores presentes ele é
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
número de consumidores presentes ele é
descrito pela especificação de uma distribuição
de probabilidade para os tempos inter
chegadas sucessivas.
Curso: Engenharia de Produção
Para descrever o processo de saída
(processo de atendimento) de um sistema de
filas é normalmente especificado uma
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
distribuição de probabilidade – distribuição
do tempo de serviço – que fornece o tempo de
atendimento dos clientes.
Curso: Engenharia de Produção
Em muitas situações será assumido que o
tempo de atendimento é independente do
número de clientes presentes. Geralmente dois
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
número de clientes presentes. Geralmente dois
regimes de atendimento são considerados: em
série e em paralelo.
Curso: Engenharia de Produção
Regimes de atendimento
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Curso: Engenharia de Produção
O serviço é paralelo se todos os atendentes
fornecem o mesmo tipo de atendimento e o
cliente só precisa passar por um atendente. Ele
é em série se o cliente precisa passar por vários
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
é em série se o cliente precisa passar por vários
atendentes antes de ter seu serviço completado.
Uma linha de montagem é um exemplo de tal
tipo de serviço.
Curso: Engenharia de Produção
A disciplina da fila descreve o método
usado para determinar a ordem em que os
consumidores serão atendidos. O método mais
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
comum é o FIFO (First In First Out) em que os
clientes são atendidos pela ordem de chegada.
Outro métodos é o LIFO (Last In First Out).
Curso: Engenharia de Produção
Em alguns casos a ordem em que os
clientes chegam não faz diferença é o método
SIRO (Service In Randon Order). Um último
método de atendimento é o atendimento por
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
método de atendimento é o atendimento por
prioridade que classifica cada cliente de
acordo com a maior ou menor necessidade de
atendimento.
Curso: Engenharia de Produção
Outro fator que deve ser considerado é o
processo que um cliente utiliza para decidir
em qual fila ele vai entrar. Por exemplo em
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
alguns bancos o cliente deve entrar numa fila
única. Quando existem várias ele vai optar
pela mais curta.
Curso: Engenharia de Produção
Na maioria das aplicações de filas
deve-se tentar refletir a realidade e
mantê-la computacionalmente tratável,
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
mantê-la computacionalmente tratável,
assim a escolha mais comum é a
distribuição Exponencial.
Curso: Engenharia de Produção
Uma variável aleatória T tem uma
distribuição exponencial de parâmetro λ se sua
fdp for do tipo:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
<
≥λ=
λ
0 t se
t se e.)t(f
t
0
0-
Curso: Engenharia de Produção
Considere que a duração, em minutos,
seja uma VAC exponencial com duração média
de µ = 10. Se alguém chegou justo na sua
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
de µ = 10. Se alguém chegou justo na sua
frente na cabine telefônica, determine a
probabilidade de que você tenha que esperar
mais do que 10 minutos.
Curso: Engenharia de Produção
[ ] )e(elim
dte,)X(P
t,
t,1010
110
10
10
=−−=
=∫=≥
−−
∞−
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
[ ]
%,,e
)e(elim t,
t
7936367901
110
===
=−−=
−
−−
∞→
Curso: Engenharia de Produção
1,0
1,5
2,0
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
0,0
0,5
1,0
1 11 21 31 41 51 61 71 81 91 101
Curso: Engenharia de Produção
A função F(t) = P(T ≤ t) é dada por:
0 < t se 0
)t(F
=
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
0 t se e-1
0 < t se 0)t(F
t-
≥=
λ
Obs.: Tente determinar!
Curso: Engenharia de Produção
0,50
0,60
0,70
0,80
0,90
1,00
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
0,00
0,10
0,20
0,30
0,40
0,50
0 1 2 3 4 5 6 7 8 9 10
Curso: Engenharia de Produção
=∫+−=
=∫ λ=∫=
∞ λ−λ− ∞
∞ λ−+∞∞−
dte]et[
dte.tdt)t(f.t)T(E
0tt
0
0t
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
λ=
λ−−
=∫+−=
λ−λ−
∞1e
et
dte]et[
tt
0
00
Curso: Engenharia de Produção
σ2 = V(T) = E(T2) – E(T)2
=∫ λ=∫= ∞ λ−+∞∞− 0
t222 dte.tdt)t(f.t)T(E
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
λ=
λλ=∫ λ
λ=
=∫+−=
∞ λ−
∞ λ−λ− ∞
20t
0tt2
0
21.
2dtet
2
dtte2]et[
Curso: Engenharia de Produção
A variância será então:
=−=
−=
=−==σ
2
222
11212
)T(E)T(E)T(V
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
λ=
λ−
λ=
λ
−λ
=222
2
2
11212
E o desvio será:λ
=σ1
Curso: Engenharia de Produção
Assim se T tem uma distribuição exponencial,
então:
ee)t(F)t(F)tTt(P
e)tT(P
e1)tT(P)t(F
eλ f(t)
λ-λ-
tλ-
tλ-
tλ-
t2t1−=−=≤≤
=>
−=≤=
=
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
λ
1σ
λ
1)T(E)T(E)T(Vσ
λ
1)T(Eµ
ee)t(F)t(F)tTt(P
2
222
λ-λ-1221
t2t1
=
=−==
==
−=−=≤≤
Curso: Engenharia de Produção
Seja T uma VAC com distribuição
exponencial de parâmetro λ. Determinar o
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
a probabilidade de T assumir valores
superiores ao seu valor esperado.
Curso: Engenharia de Produção
%79,36 3679,0 e
]e1[1)µ(F1)µX(P
1
λt
===
=−−=−=≥
−
−
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
%79,36 3679,0 e ===
Curso: Engenharia de Produção
Seja T uma VAC com distribuição
exponencial de parâmetro λ. Determinar
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
exponencial de parâmetro λ. Determinar
o valor mediano de T.
Curso: Engenharia de Produção
Um dos motivos da utilização da
Exponencial na teoria das filas é a sua
propriedade de falta de memória:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
propriedade de falta de memória:
P(T > t + h/ T ≥ t) = P(T > h)
Para quaisquer valores não negativos de
t e h.
Curso: Engenharia de Produção
Pode ser mostrado que nenhuma
outra VAC tem esse mesmo tipo de
propriedade. Essa propriedade é
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
propriedade. Essa propriedade é
denominada de falta de memória da
variável.
Curso: Engenharia de Produção
Isto significa que se sabemos que
um tempo t transcorreu desde a
última chegada então a probabilidade
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
última chegada então a probabilidade
de transcorra um tempo h até a
próxima chegada não depende de t.
Curso: Engenharia de Produção
Assim se quisermos saber o tempo
para a próxima chegada não importa há
quanto tempo tenha ocorrido a última
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
quanto tempo tenha ocorrido a última
chegada. Essa propriedade pode
simplificar a análise dos sistemas de filas.
Curso: Engenharia de Produção
Se o tempo entre chegadas é
exponencial então a distribuição do
número de chegadas em qualquer
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
número de chegadas em qualquer
intervalo de tempo t é dado pelo seguinte
teorema:
Curso: Engenharia de Produção
Tempos interchegadas são
exponenciais com parâmetro λλλλ se e só se o
número de chegadas que ocorre num
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
número de chegadas que ocorre num
intervalo de tempo t segue uma
distribuição de Poisson com parâmetro λλλλt.
Curso: Engenharia de Produção
Uma VAD X tem uma distribuição de
Poisson com parâmetro λλλλ se, para x = 0, 1, 2, ...,
a probabilidade de P(X = x) é dada por:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
a probabilidade de P(X = x) é dada por:
f(x) = P(X = x) = (e-λλλλλλλλx)/x!
para x = 0, 1, 2, …
Curso: Engenharia de Produção
Se X tem uma distribuição de
Poisson com parâmetro λλλλ então, tem-se
que: λ=σ
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
que:
E(X) = V(X) = λλλλ
Assim:
λ=σ
Curso: Engenharia de Produção
Se definirmos x como o número de
chegadas que ocorrem durante
qualquer intervalo de tempo t, então o
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
qualquer intervalo de tempo t, então o
teorema diz que:
P(Xt = x) = [e-λt(λt)x]/x!
Curso: Engenharia de Produção
Como Xt tem uma distribuição de Poisson
com parâmetro λλλλt então:
E(Xt) = V(Xt) = λλλλt
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Uma média de λλλλt chegadas ocorre durante
um intervalo de tempo t, assim λλλλ pode ser
pensado como o número médio de chegadas
por unidade de tempo ou taxa de chegadas.
Curso: Engenharia de Produção
Para que a taxa de chegadas seja
considerada exponencial algumas hipóteses
devem ser satisfeitas:
1. Chegadas sobre intervalos de tempo não
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
1. Chegadas sobre intervalos de tempo não
sobrepostos são independentes;
2. Para valores de t pequenos, a probabilidade
de uma chegada é proporcional ao tamanho
do intervalo.
Curso: Engenharia de Produção
Se as condições 1 e 2 forem
verdadeiras então:
Xt segue uma distribuição de Poisson
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Xt segue uma distribuição de Poisson
com parâmetro λλλλt onde os tempos
interchegadas são exponenciais de
parâmetro λλλλ.
Curso: Engenharia de Produção
Em resumo: se a taxa de chegadas é
estacionária e chegadas passadas não afetam as
futuras, então os tempos interchegadas seguem
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
uma distribuição exponencial com parâmetro λλλλ
e o número de chegadas em qualquer intervalo
de tempo t é Poisson com parâmetro λλλλt.
Curso: Engenharia de Produção
Sabe-se que a variável aleatória X é bimodal para
x = 1 e x = 2 e que tem uma distribuição de Poisson.
Sabendo que X é diferente de zero, a probabilidade de
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
X assumir um valor menor do que 3 é dada por:
(a) 4/e2 (b) 4/(e2 – 1) (c) 2/e
(d) 1 – 4/e2 (e) 4/(1 – e2).
Curso: Engenharia de Produção
Se o tempo interchegadas não é
exponencial, então ele pode ser modelado pela
distribuição de Erlang. Uma distribuição de
Erlang é uma VAC cuja fdp depende de dois
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Erlang é uma VAC cuja fdp depende de dois
parâmetros: r = taxa e k = forma (que deve ser
um inteiro positivo). Dados os parâmetros r e k
a fdp da Erlang é dada por:
Curso: Engenharia de Produção
Uma VAD T tem uma distribuição de
Erlang de parâmetros r e k
f(t) = [r(rt)k-1e-rt]/(k – 1)! para t ≥ 0
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
f(t) = [r(rt)k-1e-rt]/(k – 1)! para t ≥ 0
Obs. A distribuição de Erlang será
representada por E(r, k).
Curso: Engenharia de Produção
A distribuição de Erlang é
um caso particular da
distribuição Gama.
Agner Krarup Erlang (1878 –
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Agner Krarup Erlang (1878 –
1929), engenheiro dinamarquês
que utilizou a teoria da
Probabilidade para modelar e
resolver problemas de telefonia.
Curso: Engenharia de Produção
Utilizando integração por partes podemos
mostrar que se T tem uma distribuição de
Erlang com parâmetros r e k, então:
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Erlang com parâmetros r e k, então:
E(T) = k/r
V(T) = k/r2
Curso: Engenharia de Produção
DANTAS, Carlos Alberto Barbosa. Probabilidade:
Um Curso Introdutório. 2 ed. São Paulo:
EDUSP, 2000.
GRIMMETT, G. R., SITRZAKER, D. R.
Probability and Random Processes. Oxford
Prof. Lorí Viali, Dr. – PUCRS – FAMAT: Departamento de Estatística
Probability and Random Processes. Oxford
(London): Oxford University Press, 1991.
WISTON, Wayne L. Operations Research:
Applications and Algorithms. 3 ed. Belmont
(CA): Duxbury Press, 1994.