Por que aparecem as filas? Não é eficiente, nem racional, que cada um disponha de todos os recursos individualmente. Por exemplo:

Transcrição

1 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; que cada pessoa tenha um supermercado para o seu abastecimento exclusivo; Recursos limitados devem ser compartilhados. Ao compartilhar recursos, pode acontecer que no momento em que se queira fazer uso de um recurso, este esteja ocupado; necessidade de esperar aparecem as filas Um fluxo é o movimento de alguma entidade através de um ou mais canais de capacidade finita para ir de um ponto a outro. Capacidade finita significa que o canal só pode satisfazer a demanda a uma taxa finita. Exemplos: fluxo de automóveis (entidades) através de uma rede de caminhos (canais) transmissão de mensagens telefônicas (entidades) através da rede (canal) Os fluxos podem ser classificados em: Determinísticos: sistemas no qual o comportamento da demanda pelo serviço é previsível; Aleatório: não é possível predizer como vai se comportar a demanda pelo serviço.

2 Para descrever um sistema de filas um processo de entrada e um de saída devem ser especificados. Alguns exemplos podem ser vistos na tabela seguinte: Sistema Entrada Saída Banco Correntistas Atendentes Pizzaria Requisição de Atendente envia on-line pizza motoqueiro com a pizza Pedágio Automóveis Atendente cobra e libera o veículo A entrada é geralmente denominada de processo de chegada. Chegadas são denominadas de clientes. Em todos os sistemas será assumido que não mais do que uma chegada pode ocorrer em um único instante. 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 descrito pela especificação de uma distribuição de probabilidade para os tempos inter chegadas sucessivas. Para descrever o processo de saída (processo de atendimento) de um sistema de filas é normalmente especificado uma distribuição de probabilidade distribuição dotempodeserviço que fornece o tempo de atendimento dos clientes. Em muitas situações será assumido que o tempo de atendimento é independente do número de clientes presentes. Geralmente dois regimes de atendimento são considerados: em série e em paralelo.

3 Regimes de atendimento 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 atendentes antes de ter seu serviço completado. Uma linha de montagem é um exemplo de tal tipo de serviço. A disciplina da fila descreve o método usado para determinar a ordem em que os consumidores serão atendidos. O método mais comum é o FIFO (FirstInFirstOut) em que os clientes são atendidos pela ordem de chegada. Outro métodos é o LIFO (Last In First Out). 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 prioridade que classifica cada cliente de acordo com a maior ou menor necessidade de atendimento. Outro fator que deve ser considerado é o processo que um cliente utiliza para decidir em qual fila ele vai entrar. Por exemplo em alguns bancos o cliente deve entrar numa fila única. Quando existem várias ele vai optar pela mais curta. Na maioria das aplicações de filas deve-se tentar refletir a realidade e mantê-la computacionalmente tratável, assim a escolha mais comum é a distribuição Exponencial. 3

4 Uma variável aleatória T tem uma distribuição exponencial de parâmetro se sua fdp for do tipo:.e f(t) -t se se t t < Considere que a duração, em minutos, seja uma VAC exponencial com duração média de µ. Se alguém chegou justo na sua frente na cabine telefônica, determine a probabilidade de que você tenha que esperar mais do que minutos. P(X ) lim t [, t e ], e (e, t ) dt,,5,,5 e, , 79%, A função F(t) P(T t) é dada por: F(t) - e -t se t < se t Obs.: Tente determinar!,,9,8,7,6,5,4,3,,,

5 E(T) [ te te t ] t + e t.f(t)dt t. e + t e t dt t dt σ V(T) E(T ) E(T) E(T [ t ) e t ] te + t t.f(t)dt t. e + te t dt dt. t dt A variância será então: σ V(T) E(T E o desvio será: ) E(T) σ Assim se T tem uma distribuição exponencial, então: -t f(t) e F(t) P(T t) e P(T > t) e P(t T t) F(t µ E(T) σ σ V(T) E(T ) E(T) -t ) F(t ) e -t - t e -t Seja T uma VAC com distribuição exponencial de parâmetro. Determinar o a probabilidade de T assumir valores superiores ao seu valor esperado. P(X µ) F(µ) [ e e t ], ,79% 5

6 Seja T uma VAC com distribuição exponencial de parâmetro. Determinar o valor mediano de T. Um dos motivos da utilização da Exponencial na teoria das filas é a sua propriedade de falta de memória: P(T > t + h/ T t) P(T > h) Para quaisquer valores não negativos de t e h. Pode ser mostrado que nenhuma outra VAC tem esse mesmo tipo de propriedade. Essa propriedade é denominada de falta de memória da variável. Isto significa que se sabemos que um tempo t transcorreu desde a última chegada então a probabilidade de transcorra um tempo h até a próxima chegada não depende de t. Assim se quisermos saber o tempo para a próxima chegada não importa há quanto tempo tenha ocorrido a última chegada. Essa propriedade pode simplificar a análise dos sistemas de filas. Se o tempo entre chegadas é exponencial então a distribuição do número de chegadas em qualquer intervalo de tempo t é dado pelo seguinte teorema: 6

7 Tempos interchegadas são exponenciais com parâmetro se e só se o número de chegadas que ocorre num intervalo de tempo t segue uma distribuição de Poisson com parâmetro t. Uma VAD X tem uma distribuição de Poisson com parâmetro se, para x,,,..., a probabilidade de P(X x) é dada por: f(x)p(xx)(e - x )/x! para x,,, Se X tem uma distribuição de Poisson com parâmetro então, tem-se que: σ E(X)V(X) Assim: Se definirmosxcomo o número de chegadas que ocorrem durante qualquer intervalo de tempot, então o teorema diz que: P(X t x) [e -t (t) x ]/x! ComoX t tem uma distribuição de Poisson com parâmetro t então: E(X t )V(X t )t Uma média de t chegadas ocorre durante um intervalo de tempo t, assim pode ser pensado como o número médio de chegadas por unidade de tempo ou taxa de chegadas. Para que a taxa de chegadas seja considerada exponencial algumas hipóteses devem ser satisfeitas:. Chegadas sobre intervalos de tempo não sobrepostos são independentes;. Para valores de t pequenos, a probabilidade de uma chegada é proporcional ao tamanho do intervalo. 7

8 Se as condições e forem verdadeiras então: X t segue uma distribuição de Poisson com parâmetro t onde os tempos interchegadas são exponenciais de parâmetro. Em resumo: se a taxa de chegadas é estacionária e chegadas passadas não afetam as futuras, então os tempos interchegadas seguem uma distribuição exponencial com parâmetro e o número de chegadas em qualquer intervalo de tempotépoisson com parâmetro t. Sabe-se que a variável aleatória X é bimodal para x e x e que tem uma distribuição de Poisson. Sabendo que X é diferente de zero, a probabilidade de X assumir um valor menor do que 3 é dada por: (a) 4/e (b) 4/(e ) (c) /e (d) 4/e (e) 4/( e ). 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 parâmetros:rtaxa ekforma (que deve ser um inteiro positivo). Dados os parâmetrosrek a fdp da Erlang é dada por: Uma VAD T tem uma distribuição de Erlang de parâmetrosrek f(t)[r(rt) k- e -rt ]/(k )! parat Obs. A distribuição de Erlang será representada por E(r, k). A distribuição de Erlang é um caso particular da distribuição Gama. Agner Krarup Erlang (878 99), engenheiro dinamarquês que utilizou a teoria da Probabilidade para modelar e resolver problemas de telefonia. 8

9 Utilizando integração por partes podemos mostrar que se T tem uma distribuição de Erlang com parâmetrosrek, então: E(T)k/r V(T)k/r DANTAS, Carlos Alberto Barbosa. Probabilidade: Um Curso Introdutório. ed. São Paulo: EDUSP,. GRIMMETT, G. R., SITRZAKER, D. R. Probability and Random Processes. Oxford (London): Oxford University Press, 99. WISTON, Wayne L. Operations Research: Applications and Algorithms. 3 ed. Belmont (CA): Duxbury Press,