Curso: Engenharia de Produção
|
|
- Betty Pedroso
- 4 Há anos
- Visualizações:
Transcrição
1
2 Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade s(t).
3 Vamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que: 1 0 ts(t) dt µ A variável 1/µ será medida em horas por cliente, de modo que µ será medida em clientes por hora.
4 Por esse motivo µ será denominada detaxa deserviço. Por exemplo µ5, significa que se sempre existirem clientes, o atendente poderá atender a 5 clientes por hora, em média, e o tempo médio de serviço (atendimento) para cada consumidor será de 1/5 hora.
5 Na notação de Kendall, uma fila é descrita por: A/B/C/Z/K/m Ou mais resumidamente por A/B/C, onde é assumido que Z FIFO, K, m.
6 David George Kendall ( ) estatístico britânico professor das universidades de Oxford e Cambridge. Foi um dos maiores especialistas em Probabilidade e Análise de Dados.
7 A/B/C/Z/K/m Valores de A mais comuns. Os tempos entre chegadas: M: são iid tendo uma distribuição exponencial; G: são iid tendo uma distribuição genérica; D: são iid e determinísticos; E r,k : são iid com distribuição de Erlang de parâmetros:rek.
8 A/B/C/Z/K/m Valores de B mais comuns. Os tempos de serviço: M: são iid tendo uma distribuição exponencial; G: são iid tendo uma distribuição genérica; D: são iid e determinísticos; E r,k : são iid com distribuição de Erlang de parâmetros:re k.
9 A/B/C/Z/K/m Número de servidores A terceira característica (C) representa o número de servidores que atuam em paralelo.
10 A/B/C/Z/K/m Disciplina do serviço. Z será omitido quando a disciplina for FIFO. FIFO FirstIn,FirstOut oufcfs FirstCome,FirstServed; LIFO Last In, First Out ou LCFS Last Come, First Served; SIRO ServiceInRandomOrder; GD DisciplinaGenérica.
11 A/B/C/Z/K/m Número máximo de clientes no sistema. K é omitido quando for infinito. O número de clientes incluem os que estão na fila e os em atendimento.
12 A/B/C/Z/K/m m é omitido Tamanho população. da quandoforinfinito. A menos que o número de clientes seja o mesmo que o de servidores a população é considerada infinita.
13 A notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns: λ número médio de clientes que entram no sistema por unidade de tempo; µ número médio de clientes atendidos (que saem do sistema) por unidade de tempo; L número médio de clientes no sistema;
14 L q número médio de clientes na fila; L s número médio de clientes sendo atendidos; W tempo médio que o cliente fica no sistema; W q tempo médio que o cliente fica na fila; W s tempo médio que um cliente leva para ser atendido. N t Número de clientes no sistema em t.
15 W q (t) FDA do tempo de espera na fila; w q (t) fdp to tempo de espera na fila; W(t) FDA do tempo de permanência no sistema; T tempo gasto no sistema.
16 Um dos objetivos do estudo das filas é determinar o tempo que um cliente fica no sistema. Assim se um sistema de filas está em estado estacionário, tem-se (Leis delittle): LλW L q λw q L s λw s
17 David John Dutton Conant Little ( ) graduado em Física pelo MIT, em 1948, Foi o primeiro doutor em PO, obtendo o título em É professor do MIT desde 1962, tendo trabalhado anteriormente na GE.
18 Lembrar que L é espresso em termos de número de clientes, λ é expresso em termos de clientes por hora e W é expresso em horas. Assim λw tem a mesma unidade (clientes) del. As três equações anteriores são válidas para qualquer sistema de filas.
19 Representando por p k a probabilidade de que o sistema contenha k membros (ou esteja no estadoe k ) em um momentotfuturo, temse: p k 0 k 1 Para que o sistema esteja em equilíbrio é necessário que em algum momento:
20 Fluxo de Entrada: E k λ k-1 p k-1 + µ k+1 p k+1 Fluxo de Saída: E k (λ k + µ k )p k Em equilíbrio os dois fluxos devem ser iguais e então:
21 λ k-1 p k-1 + µ k+1 p k+1 (λ k + µ k )p k A solução dessa equação pode ser obtida considerando inicialmentek0, que leva a: λ p 0 1 p0 µ 0 Então: λ... p 0 λ1 λk 1 k p0 µ µ... µ 1 2 k
22 p k p 0 k 1 µ λ i i 0 i+ 1 e p µ λ k 1 1 k 1 i i 0 i+ 1 A relação p k para k 0, 1, 2,... é a principal equação da teoria das filas. Para estudar a existência das probabilidades de estados estacionários (steady-state)p k define-se:
23 S1 k 0 k 1 µ λ i i 0 i+ 1 e S 2 1/ λ k 0 k k 1 µ λ i i 0 i+ 1 Diz-se, então, que um processo será: Ergódico se: S 1 < e S 2 ; RecorrenteNulo se: S 1 e S 2 ; Transiente se: S 1 e S 2 < ;
24 É o caso Ergódico (S 1 < e S 2 ) que fornece probabilidades de equilíbriop k e esse é o que interessa estudar. Pode-se notar que a condição de Ergodicidade é satisfeita sempre que a seqüência λ k /µ k é menor do que a unidade para algumkem diante, isto é, se existe algum k 0 tal que parak k 0 tem-se: λ k /µ k <1.
25
26 Lembrar que um sistema M/M/1/GD/ / tem um tempo de inter chegadas exponencial (a taxa de chegadas por unidade de tempo é λ κ λ para k 0, 1, 2 ) e um único servidor com tempo de atendimento também exponencial (a taxa de atendimento será assumida como sendo µ κ µ para k 0, 1, 2, ).
27 Assim: p k p 0 k 1 µ λ i i 0 i+ 1 p 0 k 1 µ λ i 0 p 0 λ µ k para k 0 A condição para que o sistema seja ergódico (e assim tenha uma solução de equilíbrio p k > 0) é que S 1 < e S 2. Nesse caso a primeira condição, torna-se:
28 S 1 p p k k 0 0 k 0 λ µ k < Essa série irá convergir se e somente se (λ/µ) < 1 ou λ < µ. A segunda condição de Ergodicidade torna-se: S 2 λ (p 1 p k 0 k 0 ) 1 λ k 0 µ λ k
29 Esta condição será satisfeita se (λ/µ) < 1, assim a condição necessária e suficiente de ergodicidade do sistemam/m/1 é que λ < µ. Para resolver as equações em relação a p 0 partimos de: p µ λ k 1 1 k 1 i i 0 i+ 1 k 1 λ µ k
30 Essa soma converge se λ < µ e então: p 0 1 λ µ λ µ λ µ Fazendo λ/µ ρ segue que: p k (1 ρ) ρ k para k 0, 1, 2,... Assim o número de usuários no sistema segue uma distribuição geométrica de parâmetro 1 ρ.
31 Uma medida básica de um sistema de filas é o número esperado de clientes no sistema que é dado por: E(N) L kp k 0 k (1 ρ) k 0 kρ k 1 ρ ρ
32 De forma similar pode-se determinar a variância e o desvio padrão do número de clientes no sistema que é dado por: σ 2 N σ 2 N p k 0 k (k N) (1 ρ) Assim o desvio padrão é dado por: 2 ρ 2 σ N σ N 1 ρ ρ
33 Define-se ρ λ/µ como a intensidade de trânsito de um sistema de filas ou fator de utilização ou ainda taxa de utilização do sistema. Para o sistema atingir um estado estacionário é necessário que 0 ρ<1. Se ρ 1éfácil de ver que o estado estacionário não será alcançado. Quando ρ 1, o sistema torna-se instável.
34 Assim, por exemplo, se λ 6clientes por hora e µ 4 clientes por hora. Se o servidor trabalhar todo o tempo ele só poderá atender em média a 4 pessoas por hora. Assim o número médio de clientes por hora irá aumentar de clientes por hora.
35 Dessa forma a fila aumentaria sem limites e não existe uma distribuição do estado estacionário. Se ρ 1, então a não existência de um estado estacionário não é óbvia, mas a uma análise mais aprofundada indica que ele não existe.
36 Derivação de L De agora em diante será assumido que ρ < 1, assegurando que a distribuição de probabilidade do estado estacionário p k ρ k (1 - ρ) existe. Assumindo que o estado estacionário tenha sido alcançado, o número médio de consumidores no sistema é dado por:
37 L k k pk k ρ (1 ρ) (1 ρ) k 0 k 0 j 0 k ρ k Definindo: S k 0 k ρ k ρ + 2 ρ 2 + 3ρ Tem-se: ρsρ 2 +2ρ 3 +3ρ Subtraindo ρs de S vem:
38 S - ρs ρ+ρ 2 + ρ ρ/(1 ρ) Assim: S ρ/(1 ρ) 2 V(N) EntãoL(1 ρ)s(1 ρ)[ρ/(1 ρ) 2 ] Lρ/(1 ρ)(λ/µ)/[1 (λ/µ)]λ/(µ λ) Portanto: L λ/(µ λ) número médio de clientes no sistema.
39 DerivaçãodeL q Em algumas situações existe interesse em saber o número médio de pessoas esperando na fila. Esse valor será representado por L q. Note que nenhum ou apenas um cliente estiver no sistema então ninguém estará esperando na fila.
40 Se k pessoas estiverem no sistema (k 1), então k 1 estarão esperando na fila. Assim se o sistema estiver em estado estacionário: L q (k 1)p k p p Assim L q L (1 p 0 ) L ρ L q ρ 2 /(1 ρ) λ 2 /µ(µ λ) k k k 1 k 1 k 1 k
41 Então:L q λ 2 /µ(µ λ) Utilizando esses resultados mais o Teorema um podemos determinar outras relações: Tem-se: Lρ/( ρ/(1 ρ) e LλW. Assim WL/λ, entãow1/(µ λ)
42 O valor de L s é também de interesse, isto é, o número médio de clientes sendo atendidos: L s 1 p 0 1 (1- ρ)ρ Assim L q L L s ρ/(1- ρ) ρ ρ 2 /(1 ρ)
43 Também L q λ 2 /[µ(µ λ)] e W q L q /λ, então:w q λ/[µ(µ λ)]ρ/(µ λ) Observe que a medida que ρ se aproxima de 1, tanto W quanto W q tornam-se muito grandes. Se ρ se aproxima de zero, W se aproxima de zero e W q se aproxima de 1/µ que é a taxa média de serviço.
44 Outro resultado de interesse é a probabilidade de que exista pelo menos k clientes no sistema: P(N k) pi (1 ρ) ρ i k i k i ρ k
45 Pode-se ver assim que a probabilidade de existirem mais do que k clientes no sistema é uma função geometricamente decrescente do número k que decresce rapidamente.
46 Aplicando a lei de Little podemos obter outra expressão para o tempo médio gasto no sistema, isto é: W T N λ ρ 1 ρ 1 λ 1/ µ 1 ρ
47 Função de distribuição acumulada do tempodeesperanafila Seja W q (t) a função de distribuição acumulada de T q tempo que um usuário espera na fila. Então: W q (t) P(T q t).
48 Tem-se W q (0) P(T q 0) P(N 0) 1 ρ e para t > 0, tem-se: W q (t) k0 P(k usuários no sistema atendidos até o tempo t) Daí segue que: W q (t) 1 ρe-(µ λ)t
49 Função densidade do tempo de espera na fila w q (t) dw (t) q dt d[1 ρe dt ( µ λ)t ] ρ( µ λ)e ( µ λ)t Assim w q (t) ρ(µ λ)e-(µ λ)t
50 Função de distribuição acumulada do tempo de permanência no sistema De forma análoga ao caso anterior a função acumulada do tempo T de permanência no sistema W(t) é dada por: W(t) P(T t) 1 e -µ( µ(1 ρ)t
51 Assim, pode-se perceber que a VAC T tempo gasto no sistema, segue uma distribuição exponencial de parâmetro µ(1 ρ). O valor esperado dessa variável é : E(T) 1 µ ( 1 ρ) 1 µ λ
52 O valor esperado (média) da variável T q tempo que um usuário espera na fila é : W q q 0 q 0 ) t (t)dt tρ( µ λ ( µ λ E(T w )e )t dt λ µ ( µ λ) ρ µ λ
53 Probabilidade do tempo de espera na fila ser maiordoquet>0 P(T q > t) 1 W q (t) ρe-µ(1 ρ)t Probabilidade de que o tempo no sistema seja maiordoquet>0 P(T > t) 1 W(t) e -µ( µ(1 ρ)t
54 O percentil 0 < p < 1 de clientes que irão esperar no sistema menos do que t s é: P(T t s ) W(t) 1 -e -µ(1 ρ) t p Assim o tempo t s tal que a probabilidade do tempo de espera no sistema seja menor do t s é dado por: t s W(t) 1 - e -µ(1 ρ) t p ou t 1 1 s ln( ) µ (1 ρ) 1 p
55 Opercentil 0<p <1 declientesqueirão esperarnafilamenosdoquet q é: P(T t q ) W q (t) 1 - ρe -µ(1 ρ)t p Assimotempot p talqueaprobabilidadedo tempo de espera na fila seja menor do t p é dadopor: t q W q (t) 1 - ρe -µ(1 ρ) t p ou
56 t q 1 µ(1 ρ) ρ ln( ) 1 p Esta fórmula só é válida se p que for maior do que 1 ρ. Todos os valores de percentis abaixo deste valor serão iguais a zero.
57 Um média de 10 carros por hora chegam a a um drive-thru de um único funcionário. O atendente leva em média 4 minutos para atender cada cliente. Tanto as chegadas quanto o atendimento seguem uma distribuição exponencial.
58 1. Qual é a probabilidade de que o atendente esteja livre? 2. Qual é o número médio de carros esperando para ser atendidos (um carro que está sendo atendido não é contado na fila)?
59 3. Qual o tempo médio total que um cliente gasta para ser servido? 4. Na média, quantos consumidores serão atendidos no período de uma hora?
60 Por hipótese estamos lidando com um sistema M/M/1 para o qual λ 10 carros por hora e µ 15 carros por hora. Assim ρ 10/15 2/3.
61 1. Tem-se p 0 1 ρ 1 2/3 1/3. Assim o atendente estará livre 1/3 do tempo. 2. L q ρ 2 /(1 ρ) (2/3) 2 /[1 (2/3)] 4/3 1,33 carros. 3. W L/λ. Tem-se L ρ/(1 ρ) (2/3)/[1 (2/3)] 2 consumidores. Assim W 2/10 0,2 horas 12 minutos.
62 4. Se o atendente estivesse sempre ocupado ele atenderia uma média de µ 15 consumidores por hora. Como ele está ocupado apenas 2/3 do tempo então ele atenderá (2/3)15 10 consumidores.
63 GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, KLEINROCK, Leonard. Queueing Systems: v. 1: Theory. New York: John Wiley, WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press, 1994.
Vamos denominar 1/µ o tempo médio de atendimento de um cliente. Tem-se, então que:
Vamos admitir que o tempo de atendimento (tempo de serviço) de clientes diferentes são variáveis aleatórias independentes e que o atendimento de cada consumidor é dado por uma variável S tendo função densidade
Leia maisPor que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:
Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar;
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo e Exercícios Pedroso 24 de setembro de 2014 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de
Leia maisCurso: Engenharia de Produção. Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística. Curso: Engenharia de Produção
λ número médio de clientes que entram no sistema por unidade de tempo; µ número médio de clientes atendidos (que saem do sistema) por unidade de tempo; Servidores (mecânicos) no sistema; número de máquinas
Leia maisA notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns:
A notação utilizada na teoria da fila é variada ma, em geral, a eguinte ão comun: λ número médio de cliente que entram no itema or unidade de temo; µ número médio de cliente atendido (que aem do itema)
Leia maisATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho
Teoria de Filas - Resumo Pedroso 4 de setembro de 2011 1 Introdução 2 Definições básicas ATeoria de filas é uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento de sistemas de comunicação
Leia maisobservado, ainda que o tempo médio de serviço é igual a meio minuto. Determine:
0. Um único servidor em um centro de serviço está ocupado quatro de cada cinco minutos, em média. Foi observado, ainda que o tempo médio de serviço é igual a meio minuto. Determine: (i) O tempo médio de
Leia maisD i s c i p l i n a : P e s q u i s a O p e r a c i o n a l I I T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 2
01. Um lava rápido Automático funciona com somente uma baia. Os carros chegam, conforme uma distribuição de Poisson, em média a cada 12 minutos e podem esperar no estacionamento oferecido se a baia estiver
Leia maisAvaliação de Desempenho de Sistemas
Avaliação de Desempenho de Sistemas Introdução à Teoria das Filas Prof. Othon Batista othonb@yahoo.com Notação de uma fila Para analisar um dado sistema é necessário a definição das seguintes características:
Leia maisModelos de Filas de Espera
QuickTime and atiff (Uncompressed) decompressorare needed to see this picture. Modelos de Filas de Espera Métodos Quantitativos 2004/2005 João Moura Pires Sumário Estrutura básica de Modelos de Filas de
Leia maisFILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro
TEORIA DAS FILAS FILA EM UM PRONTO SOCORRO Paciente espera por ser atendida por um médico em um pronto socorro Ingressa na sala de atendimento Sai da sala de atendimento Pessoa precisa de cuidados médicos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisFILAS Conceitos Fundamentais. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
FILAS Conceitos Fundamentais Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Teoria de Filas É uma das abordagens mais utilizadas no estudo de desempenho e dimensionamento
Leia maisPCS 2039 Modelagem e Simulação de Sistemas Computacionais
UNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA Departamento de Engenharia de Computação e Sistemas Digitais PCS 2039 Modelagem e Simulação de Sistemas Computacionais Graduação em Engenharia de Computação
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisProcessos de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
Leia maisAvaliação e Desempenho Aula 18
Avaliação e Desempenho Aula 18 Aula passada Fila com buffer finito Fila com buffer infinito Medidas de interesse: vazão, número médio de clientes na fila, taxa de perda. Aula de hoje Parâmetros de uma
Leia maisPesquisa Operacional II
Pesquisa Operacional II Modelo de Filas Professor: Roberto César A Notação de Kendall Um modelo de fila pode ser descrito pela notação: A/B/c/K/m/Z em que: A = distribuição dos intervalos entre chegadas;
Leia maisINTRODUÇÃO À TEORIA DAS FILAS
INTRODUÇÃO À TEORIA DAS FILAS Uma fila é caracterizada por: Processo de chegada dos fregueses à fila Tempo de serviço dedicado pelo servidor a cada freguês Número de servidores Espaço disponível para espera
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisPor que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:
Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo: que cada pessoa disponha do uso exclusivo de uma rua para se movimentar;
Leia maisRede de Computadores II
Slide 1 Teoria das Filas Ferramenta matemática para tratar de eventos aleatórios. É o estudo da espera em filas. Proporciona uma maneira de definir o ambiente de um sistema de filas matematicamente. Permite
Leia maisModelagem e Análise Aula 9
Modelagem e Análise Aula 9 Aula passada Equações de fluxo Tempo contínuo Aula de hoje Parâmetros de uma fila Medidas de desempenho Cálculo do tempo de espera Resultado de Little Parâmetros da Fila chegada
Leia maisD i s c i p l i n a : P e s q u i s a O p e r a c i o n a l I I T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 4
0. Uma estação de serviço é formada por um único servidor que pode atender um cliente em 0,5 minutos, em média. Os clientes chegam solicitando serviço a um intervalo médio de oito minutos e 24 segundos.
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Processos Estocásticos Família de VAs
Leia maisAvaliação de Desempenho de Sistemas Discretos
Processos Estocásticos Avaliação de Desempenho de Sistemas Discretos Parte VI: Introdução aos Processos Estocásticos e Teoria das Filas Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Família de VAs
Leia maisModelos Probabilísticos Filas M/M/1, M/G/1. Profa. Jussara M. Almeida 1 o Semestre de 2014
Modelos Probabilísticos Filas M/M/1, M/G/1 Profa. Jussara M. Almeida 1 o Semestre de 2014 Modelos Probabilísticos de Filas R W S λ Notação de Kendall Fila G / G / 1 1 = um único servidor Distribuição dos
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A função densidade de probabilidade. Exemplo
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 06 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ A função densidade de probabilidade Seja X uma variável aleatória
Leia maisProcessos de Poisson
Processos de Poisson Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulo 5 Taylor & Karlin 1 / 37 Distribuição de Poisson Seja a variável
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 20
Teoria das Filas aplicadas a Sistemas Computacionais Aula 20 Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisEscola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Teoria da Filas. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Teoria da Filas Prof. Fabrício Maciel Gomes Teoria das Filas Por quê das Filas? Procura por um serviço maior do que a capacidade do
Leia maisA notação utilizada na teoria das filas é variada mas, em geral, as seguintes são comuns:
A notação utilizada na teoria da fila é variada ma, em geral, a eguinte ão comun: λ número médio de cliente que entram no itema or unidade de temo; µ número médio de cliente atendido (que aem do itema)
Leia maisPLANEJAMENTO DE TRANSPORTES TT049
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE TRANSPORTES PLANEJAMENTO DE TRANSPORTES TT049 Prof. Diego Fernandes Neris diego.neris@ufpr.br Filas: Problema mais comum na engenharia de transportes e de
Leia maisProcessos Estocásticos aplicados à Sistemas Computacionais
Processos Estocásticos aplicados à Sistemas Computacionais Magnos Martinello Universidade Federal do Espírito Santo - UFES Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia
Leia maisSIMULAÇÃO EM GESTÃO DE OPERAÇÕES E LOGÍSTICA: TOMADA DE DECISÕES EM MELHORIA DE PROCESSOS CAPÍTULO 3: TEORIA DAS FILAS Roberto Ramos de Morais
3 TEORIA DAS FILAS No cotidiano encontram-se filas em diversas situações: ao ir à padaria para comprar pão, na sala de espera do dentista, na compra de ingressos para o cinema, veículos em uma barreira
Leia maisProcessos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisModelos Probabilísticos de Desempenho. Profa. Jussara M. Almeida 1º Semestre de 2014
Modelos Probabilísticos de Desempenho Profa. Jussara M. Almeida 1º Semestre de 2014 Modelos Probabilísticos Processos Estocásticos Processos de Poisson Filas M/M/1, M/G/1... Mais genericamente: modelos
Leia maisLista de Exercícios - SCE131
Lista de Exercícios - SCE131 Prof. Eduardo F. Costa - ICMC - USP http://www.icmc.usp.br/ efcosta Parte 1 - Cadeia de Markov (a tempo discreto) Exercício 1. Seja uma cadeia de Markov com probabilidades
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisAplicação. Controlo Óptimas. 23º Seminário de Engenharia Mecânica - 4 Junho de Nuno Manuel R. S. Órfão
Aplicação de Cadeias de Markov em Redes de Filas de Espera Políticas de Controlo Óptimas 23º Seminário de Engenharia Mecânica - 4 Junho de 2003 - Nuno Manuel R. S. Órfão nmorfao@estg.ipleiria.pt 1 Sumário
Leia maisTeoria das Filas Aula 1. Gestão de Operações II Prof. Marcio Cardoso Machado
Teoria das Filas Aula 1 Gestão de Operações II Prof. Marcio Cardoso Machado 1 Modelagem de Sistemas Sistema de Operações Genérico Ambiente Otimizado Mais adequado Recursos Entrada de recursos PROCESSO
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisEng. de Produção. Introdução à Teoria das Filas. Prof. Ricardo Villarroel Dávalos Fpolis, Abril de 2010
Eng. de Produção Introdução à Teoria das Filas Prof. Ricardo Villarroel Dávalos ricardo.davalos@unisul.br Fpolis, Abril de 2010 Introdução Disciplinas das filas λ e IC c µ e TA População de clientes TF
Leia maisGabarito - Lista de Exercícios 1
Gabarito - Lista de Exercícios Teoria das Filas Modelo M/M/. Clientes chegam a uma barbearia, de um único barbeiro, com tempo médio entre chegadas de 0 minutos. O barbeiro gasta em média 5 minutos com
Leia maisAplicação da Teoria de Filas Markovianas no Controle de Fluxo de Usuários. Ednário B. Mendonça 1, Divanilda M. Esteves 2 ISSN:
ISSN: 2317-0840 Aplicação da Teoria de Filas Markovianas no Controle de Fluxo de Usuários Ednário B. Mendonça 1, Divanilda M. Esteves 2 1 Universidade Estadual da Paraíba - UEPB, Brasil. 2 Departamento
Leia maisAula 5. Processo de Poisson. Exemplos.
Aula 5. Processo de Poisson. Exemplos. Exemplo 1. Processo de Poisson com diferentes tipos de eventos. Consideramos um processo de Poisson com intensidade λ. Suponha que em cada instante de ocorrência
Leia maisDistribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Cadeias de Markov 20/11/2017 Andrei Markov Em 1907, Andrei Markov iniciou um estudo sobre processos onde o resultado de um experimento depende do resultado de
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisANÁLISE DE TEORIA DAS FILAS: SISTEMA DE FILAS DE UM SERVIÇO DE PRONTO ATENDIMENTO RESUMO
37 ANÁLISE DE TEORIA DAS FILAS: SISTEMA DE FILAS DE UM SERVIÇO DE PRONTO ATENDIMENTO Francieli de Fátima de Oliveira 1 Mara Lucia Grando; Marcel Belusso; Stefan Antônio Bueno 2 RESUMO A teoria das filas
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisMário Meireles Teixeira. Departamento de Informática, UFMA.
Teoria das Filas Mário Meireles Teixeira Departamento de Informática, UFMA mario@deinf.ufma.br Filas, filas... As filas são a praga do mundo atual! Espera-se em fila no banco, na padaria, no ponto de ônibus,
Leia maisNoções de Processos Estocásticos e Cadeias de Markov
Noções de Processos Estocásticos e Cadeias de Markov Processo Estocástico Definição: Processo Estocástico é uma coleção de variáveis aleatórias indexadas por um parâmetro t R (entendido como tempo). X={
Leia maisDistribuições Contínuas. Estatística. 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas UNESP FEG DPD
Estatística 7 - Distribuição de Probabilidade de Variáveis Aleatórias Contínuas 7- Distribuição Uniforme A variável aleatória contínua pode ser qualquer valor no intervalo [a,b] A probabilidade da variável
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisUSO DA TEORIA DE FILAS NA AVALIAÇÃO DA OPERACIONALIDADE DE UMA INTERSEÇÃO SINALIZADA POR SEMÁFORO
USO DA TEORIA DE FILAS NA AVALIAÇÃO DA OPERACIONALIDADE DE UMA INTERSEÇÃO SINALIZADA POR SEMÁFORO Luz Delicia Castillo Villalobos (UTFPR) luz_delicia@yahoo.com.br Resumo O objetivo do presente trabalho
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisSISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077
SISTEMAS DE MANUTENÇÃO E CONFIABILIDADE TP077 6 DISPONIBILIDADE DE EQUIPAMENTOS 6.1 INTRODUÇÃO Diversas teorias em confiabilidade pressupõem o descarte dos componentes de interesse após a primeira falha.
Leia maisCOS767 - Modelagem e Análise Aula 3 - Simulação
COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando
Leia maisA TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA- RÁPIDO EM VOLTA REDONDA
A TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA- RÁPIDO EM VOLTA REDONDA Byanca Porto de Lima (Unifoa) byanca_porto@yahoo.com.br Bruna Marta de Brito do Rego Medeiros (Unifoa)
Leia maisVariáveis Aleatórias. Esperança e Variância. Prof. Luiz Medeiros Departamento de Estatística - UFPB
Variáveis Aleatórias Esperança e Variância Prof. Luiz Medeiros Departamento de Estatística - UFPB ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar
Leia maisSimulação a Eventos Discretos. Fernando Nogueira Simulação 1
Simulação a s Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisM. Eisencraft 2.5 Outros exemplos de distribuições e densidades 29. Densidade e distribuição uniforme. 0 a b x. 0 a b x
M. Eisencraft 2.5 Outros eemplos de distribuições e densidades 29 Densidade e distribuição uniforme /(b a) () a b.8 ().6.4.2.2 a b 2.5.2 Eponencial Figura 2.8: Funções densidade e distribuição uniforme.
Leia maisA TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA-RÁPIDO EM VOLTA REDONDA
ISSN 1984-9354 A TEORIA DAS FILAS COMO FERRAMENTA DE APOIO PARA ANALISE DE UMA EMPRESA DE LAVA-RÁPIDO EM VOLTA REDONDA Área temática: Pesquisa Operacional Byanca Porto de Lima byanca_porto@yahoo.com.br
Leia maisEvandro Deliberal Aula 06
Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal http://www.deljoe.com.br/professor Aula 06 Agenda Lei de Little Fila Pilha Lei de Little Já parou para pensar em quantos
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisAvaliação e Desempenho Aula 5
Avaliação e Desempenho Aula 5 Aula passada Revisão de probabilidade Eventos e probabilidade Independência Prob. condicional Aula de hoje Variáveis aleatórias discretas e contínuas PMF, CDF e função densidade
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisAnálise da incidência de filas em um serviço drive-thru de uma empresa de fast-food
Análise da incidência de filas em um serviço drive-thru de uma empresa de fast-food Leonardo dos Santos Lourenço Bastos (UEPA) lslbastos@gmail.com Matheus Lopes Mendes (UEPA) mendes_matheus@hotmail.co.uk
Leia maisD i s c i p l i n a : P e s q u i s a O p e r a c i o n a l T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : 0 1
T e o r i a d a s F i l a s - L i s t a d e E x e r c í c i o s : S e x t a f e i r a, 4 d e n o v e m b r o d e 2. O número de navios etroleiros que chegam à determinada refinaria or dia tem uma distribuição
Leia maisFILAS. Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013
FILAS Mestrado em Engenharia Elétrica Carlos Marcelo Pedroso 2013 Ementa Projeto de redes de computadores via estudos analíticos e de ferramentas de simulação. Bibliografia básica JAIN, Raj. The art of
Leia maisModelização do Sistema Produtivo Teoria das Filas de Espera
Modelização do Sistema Produtivo Teoria das Filas de Espera http://www.fe.up.pt/maspwww Licenciatura em Engenharia Electrotécnica e de Computadores Gil M. Gonçalves Gil.Goncalves@fe.up.pt 2004/2005 Outline
Leia maisc.c. É a função que associa a cada x X(S) um número f(x) que deve satisfazer as seguintes propriedades:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Seja X uma variável aleatória com conjunto de valores X(S). Se o conjunto de valores for infinito não enumerável então a variável
Leia maisESTUDO DE CASO SOBRE TEORIA DAS FILAS EM UMA SECRETARIA ESCOLAR DO ESTADO DO PARÁ
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 ESTUDO DE CASO SOBRE TEORIA DAS FILAS EM UMA SECRETARIA ESCOLAR DO ESTADO DO PARÁ Bruna Baia da Cunha (ESTÁCIO ) brunabaiacunha@gmailcom wilson antonio
Leia maisCOMO FUNCIONA A SIMULAÇÃO. Aula 1. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
COMO FUNCIONA A SIMULAÇÃO Aula 1 1 Tópicos Introdução Um Exemplo Simples Como Tratar e Analisar Problemas Tratando a Variabilidade dos Sistemas Incorporando a Variabilidade aos Modelos Computacionais Terminologia
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisTEOREMAS LIMITE EM PROBABILIDADE RENATO ASSUNÇÃO DCC - UFMG
TEOREMAS LIMITE EM PROBABILIDADE RENATO ASSUNÇÃO DCC - UFMG Referência para um estudo aprofundado das questões (e demonstrações das afirmações feitas aqui) LIMITE DE NÚMEROS REAIS Sequência de números
Leia maisAPLICAÇÃO DA TEORIA DAS FILAS EM UMA REDE DE CINEMAS
APLICAÇÃO DA TEORIA DAS FILAS EM UMA REDE DE CINEMAS Kaue Juca Jardim de Oliveira (UEPA) kauejuca18@gmail.com Bernardo Moreira Vergara (UEPA) bervergara2006@hotmail.com Yvelyne Bianca Iunes Santos (UEPA)
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisExercício 7: Resolução: 2º Semestre 2002/2003 Exercícios resolvidos
º Semestre 00/003 Exercícios resolvidos Exercício 7: Num banco de ensaios de automóveis cada diagnóstico consiste em duas fases distintas de teste: uma primeira parte mecânica e outra parte eléctrica.
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de Apoio
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisProcessos Estocásticos e Cadeias de Markov Discretas
Processos Estocásticos e Cadeias de Markov Discretas Processo Estocástico(I) Definição: Um processo estocástico é uma família de variáveis aleatórias {X(t) t T}, definidas em um espaço de probabilidades,
Leia mais3 Modelo Anaĺıtico para Sistemas Móveis com uma Classe de Usuários
3 Modelo Anaĺıtico para Sistemas Móveis com uma Classe de Usuários Neste capítulo é apresentado o modelo utilizado para o Controle de Admissão de Chamadas oriundas de usuários pertencentes a uma classe.
Leia maisFilas de Espera. Transparências de apoio à leccionação de aulas teóricas. Versão 1.1 c 2010, 1998 José Fernando Oliveira Maria Antónia Carravilla FEUP
Filas de Espera Transparências de apoio à leccionação de aulas teóricas Versão 1.1 c 2010, 1998 José Fernando Oliveira Maria Antónia Carravilla FEUP Introdução Fenómeno corrente no dia-a-dia clientes pessoas,
Leia maisCap. 6 Variáveis aleatórias contínuas
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 6 Variáveis aleatórias contínuas APOIO: Fundação de
Leia mais2.3 Operações sobre uma variável aleatória - Esperança matemática
matemática 58 atingir a mosca dado que ele atingiu o alvo. Exercício 2.33. [3] Duas caixas tem bolas vermelhas, verdes e azuis dentro; a quantidade de cada uma é dada a seguir. Caixa 01-5 vermelhas; 35
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
Leia maisSimulação de Sistemas
Simulação de Sistemas Daniel Sadoc Menasche e Paulo Aguiar 2012 1/1 Como analisar um sistema? sistema modelo emulador solucão analítica simulador medidas de interesse 2/1 Por que simular? Quando resolver
Leia maisSCX5005 Simulação de Sistemas Complexos II. Problemas em Simulação
SCX5005 Simulação de Sistemas Complexos II Alguns Marcelo S. Lauretto Referências: Morris DeGroot, Mark Schervish. Probability and Statistics. 4th Ed. - 4o capítulo Ilya M. Sobol. A Primer for the Monte
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisGestão de Operações II Teoria das Filas. Prof Marcio Cardoso Machado
Gestão de Operações II Teoria das Filas Prof Marcio Cardoso Machado Filas O que é uma fila de espera? É um ou mais clientes esperando pelo atendimento O que são clientes? Pessoas (ex.: caixas de supermercado,
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
Leia mais