4.

19 Um software mais verstil

199

4.19 Um software mais verstil

Veremos a seguir um outro programa (simulacao)3 , um pouco mais verstil do que
acabamos de ver. Ele simula um sistema de filas e permite que se escolha o nmero
de estaes que prestam servio, o nmero mximo de clientes que podem ficar no
sistema, a distribuio do intervalo entre chegadas (exponencial, normal, uniforme
ou emprica), a distribuio da durao do servio prestado (exponencial, normal,
uniforme ou emprica) e a durao da simulao. Pode-se escolher tambm a unidade de tempo a ser usada.
Pode-se determinar tambm o nmero de replicaes (at o mximo de 100), ou seja
quantas vezes deseja-se executar a simulao para o mesmo conjunto de dados de
entrada.
O programa usa a RAND4 como o gerador de nmeros aleatrios e usa sries diferentes, entre 1 e 50, para o intervalo entre chegadas e para a durao do servio.
As sementes e as sries usadas so escolhidas, aleatoriamente, pelo programa. No
caso de se executar replicaes, sries e sementes diferentes so criadas em cada
uma das execues individuais da replicao.
Os resultados mostrados na sada so, no caso das replicaes, as mdias obtidas
com as diversas execues.

um dos mdulos do programa PO, que pode ser obtido de www.mpsantos.com.br

200

Introduo Simulao

4.19.1 Alguns exemplos usando o programa Simulao

Como exemplo do uso do programa, vamos simular um sistema de filas que tenha
soluo analtica para compararmos os resultados.
Vamos simular o sistema de filas de uma agncia bancria, com 3 caixas de atendimento, em que as chegadas sigam uma distribuio exponencial com intervalo
mdio entre chegadas igual a 2 minutos.
A distribuio do tempo de atendimento dos caixas tambm segue uma distribuio
exponencial com atendimento mdio igual a 4 minutos.
A tela de entrada do programa para execuo desta simulao seria a seguinte:

Como no existe limitao para o nmero de clientes, ao mesmo tempo, na agncia, o campo Mximo usurios permitido no Sistema ficou com 100.000. A durao
da simulao foi de 10.000 minutos e solicitamos que 100 replicaes fossem executadas.
O valor em qualquer dos campos pode ser mudado, bastando para isto clicar nele
e apagar o valor existente com as teclas [Delete] ou [Backspace]. Os campos
Unidade de tempo, Distribuio das chegadas e Distribuio do Servio podem ser
mudados com o simples click do mouse no novo tem desejado.
Aps se colocar os valores desejados, clica-se em SIMULAR e a Simulao ser
executada. No nosso exemplo aparecer a seguinte tela:

4.19 Um software mais verstil

201

Caso se tenha uma impressora esta tela poder ser impressa. Clicando-se no boto
VOLTAR samos do programa, voltando-se para o software Po.
Como este modelo simulado um exemplo do modelo M/M/s, podemos comparar
os resultados obtidos na simulao com os resultados tericos obtidos das frmulas
analticas daquele modelo de filas:
Tempo mdio que um cliente permanece na fila (Wq ):
Simulao : 1,789 minutos
Terico : 1,776 minutos
Nmero Mdio de clientes na fila (Lq ):
Simulao : 0,894 clientes
Terico : 0,888 clientes
Taxa de ocupao das estaes de servio (caixas):
Simulao : 66,5%
Terico : 66,7%
Podemos observar que a simulao deu resultados praticamente iguais aos tericos
o que demonstra a robustez da tcnicas de simulao alm de servir para demonstrar que o programa est se comportando de maneira adequada.

202

Introduo Simulao

Vamos us-lo agora para simular uma situao de fila em que no existem, pelo
menos de forma fcil, frmulas tericas.
Vamos supor uma agncia bancria, com 4 caixas de atendimento, onde as chegadas chegam seguindo uma distribuio normal com intervalo mdio entre chegadas
de 2 minutos e desvio padro de 0, 5 minutos. A durao do atendimento prestado
pelos caixas tambm segue uma distribuio normal, com mdia de 8 minutos para
a durao do atendimento e desvio padro de 1, 5 minutos..
A tela de entrada desta simulao seria:

A sada, aps 100 replicaes, cada uma com 20.000 minutos de simulao, apresentou os seguintes resultados:

4.19 Um software mais verstil

203

Os resultados da simulao mostram que esta agncia bancria no est prestando

um servio de boa qualidade pois, em mdia, cada cliente tem que esperar mais de
30 minutos na fila e, em mdia a fila tem quase 16 clientes.
Para melhorar a qualidade do servio prestado vamos examinar os resultados da
simulao se colocamos mais 1 caixa de atendimento. Alterando a entrada e executando a simulao, chegamos aos seguintes resultados:

204

Introduo Simulao

Como pode ser visto, a fila praticamente desaparece.

Embora bastante verstil, o programa limitado a determinados tipos de sistema
de fila. Se alteramos as condies bsicas, temos que alterar o programa alterandose rotinas j existentes ou incluindo novas rotinas.
Como ilustrao da dificuldade e do custo de se fazer isto, lembramos que o fonte do
programa tem 20 pginas de cdigo de programao. Mesmo se tirarmos as 5 ou 6
pginas de cdigo que so necessrios para o ambiente Windows, ainda restariam
15 pginas de codificao!.
Para cada modelo, a no ser que sejam muito semelhantes como nos exemplos
acima, temos que construir programas de computador cuja complexidade proporcional a complexidade do modelo simulado.
Apesar da vantagem advinda de se ter um programa sob medida, o tempo que se
leva para se obter os primeiros resultados normalmente invalida aquela vantagem,
principalmente em modelos complexos.
Este fato fez com que fossem desenvolvidos programas voltados exclusivamente
para a construo de modelos de simulao. Veremos a seguir, um dos mais usados
na atualidade.

4.20 O software ARENA

205

4.20 O software ARENA

A tela principal do ARENA a seguinte:

A esquerda temos a rea dos painis (templates) como Create, Dispose, Process,
etc... Os modelos de simulao so construdos com estes painis, como veremos
mais adiante. Observe que o ttulo da rea de painis Basic Process, ou seja
estes so os blocos bsicos e poderemos acrescentar outros a medida que eles forem
sendo necessrios.
Na verdade, na sua forma mais simplificada, criamos modelos no ARENA construindo desenhos lgicos com os painis.

4.20.1 Simulao de um pequeno posto bancrio

Vamos ver o exemplo de um pequeno posto bancrio com um nico caixa.
Como j dissemos, no Arena trabalhamos com blocos e, interligando-os, construmos o modelo. Antes de ver como se faz no Arena, vamos construir nosso modelo
lgico. Podemos representar nosso posto da seguinte forma:

206

Introduo Simulao

Clientes
Chegam

Clientes so
Atendidos

Clientes vo
embora

Vamos agora para o Arena. O nosso 1o bloco, ou seja a chegada de clientes, tem
que ser criado. Clicando e segurando o mouse, arrastamos o template Create do
lado esquerdo para a rea de trabalho, que a maior rea branca da tela inicial.
Soltamos o mouse e uma caixa Create1 aparece no espao em branco. A seguir
temos que criar o bloco que representa o atendimento aos clientes. Para isto, temos
que usar o template Process, ou seja clicamos, seguramos o mouse e o arrastamos
para a direita da caixa Create1. O ARENA conecta automaticamente as 2 caixas
(isto pode ser desligado). Vai ser criada uma caixa chamada Process1. E, para
finalizar, fazemos o mesmo com o template Dispose e a colocamos direita da Process1. Esta caixa vai representar a sada dos clientes.
A aparncia da nossa tela dever ser a seguinte:

Na parte abaixo da rea de trabalho aparece uma espcie de planilha com alguns
dados que ficaro mais claros a medida que formos avanando.
Dando um duplo click na caixa Create1, abre-se o seguinte quadro:

4.20 O software ARENA

207

Podemos entrar com os dados da nossa aplicao. Na 1a linha, vamos trocar o nome
(Name) de Create 1 para Chegada de Clientes. O tipo da entidade (Entity Type) de
Entity 1 para Clientes.
A 2a linha trata da distribuio do intervalo entre chegadas (Time Between Arrivals). Em Type, vamos escolher Expression e em Value escolhemos EXPO(Mean),
ou seja estamos dizendo que o intervalo entre chegadas segue uma distribuio
exponencial. No exemplo que queremos simular, o intervalo entre chegadas tem
mdia igual a 2 minutos.
Antes de introduzirmos este valor, devemos saber que o ARENA usa a RAND4 como
gerador de nmeros aleatrios. Assim, alm da mdia, convm informar, embora
seja opcional, qual a srie que deve ser usada para gerar as chegadas de clientes.
Em princpio no deve-se usar a srie 10 pois esta a srie que o Arena usa quando
no se informa nada. Vamos usar a srie 23. Colocamos ento no campo Value a
expresso EXPO(2,23), ou seja mdia igual a 2 usando-se na simulao, a srie 23
da RAND4. A seguir devemos trocar o campo Units para minutos.
A 3a linha fica como est pois Entidades por Chegada (Entities per Arrival) igual
a 1, ou seja cada cliente chega sozinho. No existe limite para o nmero de clientes
que podem chegar, assim Max Arrivals igual a Infinito e o instante de criao
(First Creation) da 1a chegada o instante 0.0, ou seja o incio da simulao.
Nosso quadro fica ento desta forma:

208

Introduo Simulao

Basta clicar em OK para confirmar as alteraes.

Vamos agora dar um duplo click no bloco Process 1. Um novo quadro se abre:

Mudamos o Name para Atendimento aos Clientes, o tipo fica Standard. No campo
Action, deve ser escolhida a opo Seize Delay Release, ou seja CapturaRetm por
algum tempoLibera, que o que um caixa faz com os clientes.
Ao se escolher a ao acima abre-se um novo campo Prioridade (Priority) que deve

4.20 O software ARENA

209

ser deixado como Medium(2). Abre-se, tambm um novo quadro para a definio
dos recursos (resources) que, no nosso exemplo, um nico caixa.

Devemos clicar na opo Add para incluir o recurso (Caixa) no modelo, como mostrado a seguir:

210

Introduo Simulao

Como pode ser visto acima, escolhemos Resource (em Type), Caixa (em Resource
name) e 1 (em quantity).
Precisamos informar agora o tipo de distribuio do atendimento feito pelo caixa
que, no nosso exemplo, segue uma distribuio exponencial com mdia de 1.5 minutos. Escolhemos ento: Expression (em Delay Type), Minutes (em Units), Value
Added (em Allocation) e EXPO(Mean) (em Expression). Devemos a seguir substituir o (Mean) por (1.5,7), pois vamos usar a srie 7 da RAND4 para a gerao
da durao do servio. Se no estiver marcado, devemos marcar o campo Report
Statistics. Finalmente clicamos em OK para confirmar nossos dados.

Repetimos o processo para a caixa Dispose. O seguinte quadro aparecer:

4.20 O software ARENA

211

Mudamos o nome para Sada de Clientes, marcamos o campo Record Entity Statistics e clicamos em OK, obtendo-se o seguinte quadro.

A rea de trabalho do ARENA estar da seguinte forma;

Podemos reparar que aparece uma linha em cima do bloco Atendimento aos Clientes. Esta linha representa a fila que se forma no caixa. Na parte de baixo, a
medida que se clica em um dos blocos, aparece uma planilha com as informaes
pertinentes a cada bloco. Podemos alterar, se for o caso, as informaes na planilha
que elas passaro a valer para o bloco.

Neste ponto, o modelo est construdo mas antes de executar a simulao, temos
que ajustar alguns parmetros. Assim, devemos clicar em Run Setup, no
menu. O quadro a seguir (j com as alteraes feitas), para Replication Parameters
aparecer:

212

Introduo Simulao

Vamos fazer apenas uma simulao (1 replicao) com durao de 10.000 minutos.
Tambm no Run Setup, aba Project Parameters, podemos entrar com os
parmetros do projeto tais como nome do projeto, nome do analista, descrio do
projeto, etc...
Devemos tambm marcar os tens para os quais queremos que sejam gerados relatrios:

4.20 O software ARENA

213

Para finalizar clicamos em OK.

Para executar a simulao clicamos, no menu, em Run Go. Passamos a ver
ento a simulao dinamicamente acontecendo como no retrato a seguir (obtido
apertando-se, durante a simulao, a tecla <ESC>):

Neste ponto j tinham chegado 509 clientes, 503 j tinham sido atendidos, 5 estavam na fila e 1 estava sendo atendido.
Ao final da simulao, o ARENA emite dezenas de relatrios que podem ser acessados a partir da aba Reports que existe na parte esquerda da tela. Vamos mostrar
alguns destes relatrios e ver os resultados obtidos.
O 1o o Queues que d informaes sobre a fila em si:

214

Introduo Simulao

O tempo de espera mdio na fila de 4,59 minutos. O terico (Wq ), modelo M/M/1,
4,50 minutos. A maior espera foi de 44.69 minutos. O nmero mdio de clientes
na fila 2,30 clientes. O terico (Lq ) igual a 2,25 clientes. O nmero mximo de
clientes na fila foi 21.
O prximo relatrio que podemos examinar o de Resources que, no nosso exemplo
o caixa.

4.20 O software ARENA

215

Como podemos observar, o Caixa ficou ocupado 75% do tempo. Este resultado
exatamente igual ao terico ( = 0.75). Mostra tambm que o Caixa atendeu
5.002 clientes.
Outro relatrio que pode ser visto o de Processes:

Ele mostra que a maior espera total de um cliente foi de 46.85 minutos, o atendimento mais demorado foi 14,71 minutos e a maior espera na fila foi de 44.69
minutos.
Como citamos anteriormente, vrios outros relatrios, com grficos inclusive, so
impressos e podem ser examinados.

4.20.2 Simulao de um check-in

Vamos imaginar a seguinte situao: passageiros, que vo viajar em determinada
companhia area, chegam ao aeroporto com intervalo mdio de 1.6 minutos, de
acordo com uma distribuio exponencial. Estes viajantes, desde do momento em
que entram no aeroporto at chegar ao balco de check-in, demoram entre 2 e 3
minutos com distribuio uniforme entre estes 2 valores. No check-in, os viajantes
tem que entrar em uma fila nica at que um dos 5 atendentes o atenda.O tempo no
check-in segue uma Distribuio de Weibull com parmetros = 3.91 e = 7.76.
Aps o check-in, eles podem se dirigir aos portes de embarque. Visando melhorar o
atendimento, deseja-se determinar uma srie de variveis tais como o tempo mdio

216

Introduo Simulao

que um passageiro gasta desde de que chega no aeroporto at ser liberado para
o embarque, o nmero mdio de viajantes na fila do check-in, o no de passageiros
atendidos no check-in de 8:00 horas da manh at 22:00 horas, etc...
O modelo desta situao pode ser representado pelo grfico a seguir:

Chegada dos
Passageiros

Procura pelo
CheckIn

CheckIn

Sada para
Embarque

Como fizemos no 1o exemplo, vamos construir um modelo equivalente no ARENA.

Nossos blocos bsicos ficam como:

O bloco de chegada idntico ao que j fizemos no exemplo anterior e escolhemos

EXPO(1.6,7) para a distribuio exponencial, usando a srie 7 da RAND4. Vamos
chamar de Passageiros a entidade que vai circular na simulao. Temos ento:

O 2o bloco referente a procura pelo balco de check-in. A ao, neste caso s Delay porque s h um atraso, uniformemente distribudo, para chegar at o balco.
O quadro preenchido fica da seguinte forma:

4.20 O software ARENA

217

O bloco do check-in tambm bastante similar ao que vimos anteriormente com a

diferena de que escolhemos o nome de Atendentes para o recurso e a distribuio
do atendimento escolhida como WEIB(7.76,3.91,23), ou seja uma Weibull com os
parmetros dados e usando-se a srie 23 da RAND4. Temos ento:

218

Introduo Simulao

No bloco Dispose muda-se apenas o nome para Sada para o embarque.

Neste momento devemos nos lembrar que temos 5 atendentes no balco de checkin. Como informar isto ao modelo ? No lado esquerdo da tela do ARENA (onde esto
os blocos), rolando com o mouse vo aparecer desenhos de planilhas e uma delas
referente a Resources. Clicando nela vai aparecer, na parte inferior, uma planilha
referente aos recursos (atendentes no nosso caso). Um dos campos da planilha
Capacity que dever estar com 1. Deve ser alterado para 5, como mostrado a seguir:

Podemos agora escolher um smbolo que represente os passageiros na dinmica da

simulao. No lado esquerdo, clicamos a planilha Entity. Vai abrir, em baixo a
direita, a planilha relativa aos passageiros. No campo Initial Picture, escolhemos a
figura Picture.women que um boneco representando uma mulher, como podemos
ver a seguir:

4.20 O software ARENA

219

Vamos alterar a forma de representao da fila de linha para pontos. Dando um

duplo click na linha, o seguinte quadro aparece:

Mudamos de Line para Point e depois clicando em Points.., vai abrir outro quadro
onde, clicando no boto Add, podemos ir colocando pontos ou seja lugares na fila
(at o mximo de 14). Neste exemplo colocamos 10 pontos. No final clica-se em OK.

Para dar um toque mais realista a simulao, vamos acrescentar o balco do checkin e os 5 pontos de atendimento. Iniciamos clicando, na 2a barra de botes em cima,
em
que far com que a seguinte tela aparea:

220

Introduo Simulao

Escolhendo Atendentes como Identif ier, podemos selecionar figuras para representar os atendentes ociosos (Idle) ou ocupados (Busy). importante notar que as
figuras que aparecem fazem parte da chamada biblioteca padro. Podemos (clicando no open deste quadro) abrir outras bibliotecas que possuem outras figuras.
Para escolher uma figura para Idle, por exemplo, clica-se em Idle, clica-se na figura
desejada e depois clica-se em
Antes de clicar em OK, devemos marcar Seize Area. Isto faz com que junto a figura
seja criada uma linha (semelhante a da fila) para identificar os pontos de atendimento. No nosso exemplo criamos 5 pontos (de maneira similar ao feito para a fila)
pois temos 5 atendentes.
Para finalizar, vamos colocar um relgio para melhor visualizao do andamento
(clock) e arrast-lo apara a
da simulao. Para tanto basta clicar no boto
rea de trabalho. Escolhemos 8:00 horas como a hora inicial marcada pelo relgio.
Nosso modelo est pronto e sua aparncia :

4.20 O software ARENA

221

Ajustamos a seguir os parmetros da simulao (Run Setup) e escolhemos 14

horas para a durao da simulao (das 8:00 s 22:00 horas). A figura a seguir
mostra um retrato da simulao:

O relgio marca 13:44:32, ou seja j temos 5,5 horas de simulao sendo que 223
passageiros j chegaram, 212 j passaram pelo check-in sendo que os 5 atendentes
esto ocupados e 4 passageiros aguardam na fila. Temos tambm 2 passageiros
procurando pelo balco de check-in.
Dos relatrios emitidos ao final da simulao, podemos extrair, entre outros, os seguintes dados:
Passageiros atendidos pelo check-in das 8:00 s 22:00 : 524
Tempo total gasto, em mdia, por um passageiro, da entrada a sada : 13,19 minutos
Menor tempo gasto por um passageiro, da entrada a sada : 4,91 minutos
Maior tempo gasto por um passageiro, da entrada a sada : 29,35 minutos

222

Introduo Simulao

Percentual de ocupao dos Atendentes : 89% do tempo

Nmero mdio de clientes na fila do check-in : 2,26 passageiros
Maior tempo gasto por um passageiro na fila do check-in : 26,90 minutos
Como j citado, dezenas de outros relatrios podem ser impressos com dados da
simulao.

4.20.3 Simulao de um processo de produo

Uma indstria eletrnica produz 2 medidores eletrnicos que chamaremos de A e
B. Basicamente os 2 aparelhos, embora com funes distintas, tem as mesmas caractersticas quais sejam, uma placa de circuito impresso, onde so soldados componentes, e uma embalagem de plstico com alguns botes.
As placas de circuito impresso e as embalagens so produzidas externamente e, ao
chegar a indstria, so enviadas para uma rea onde, as placas, so preparadas
para receber os componentes que sero soldados. Por sua vez, as embalagens so
pintadas e colocados os botes. Estas reas de preparao so, dadas as caractersticas tcnicas, diferentes para os aparelhos A e B.
Aps a preparao, as placas e embalagens so enviadas para a rea de montagem (nica para A e B) onde os componentes so soldados e o aparelho montado.
Nesta rea , ao final, feita uma inspeo de qualidade onde dados histricos tem
mostrado que 91% dos aparelhos acabados esto perfeitos e so enviados diretamente para a seo de venda. Os que no passam no controle de qualidade (9%),
so enviados para um outro setor onde as causas da rejeio so analisadas e, se
for o caso, corrigidas.
Dados estatsticos mostram que 80% dos aparelhos que caem neste setor conseguem ser recuperados e vendidos enquanto que os restantes 20% vo para sucata.
Foram efetuadas amostras estatsticas em todo o processo e ficou comprovado que
todas as atividades (chegadas, preparao, montagem, etc...) so processos aleatrios que seguem determinadas distribuies. A figura a seguir d a viso geral de
todo o processo:

TRIA(1,4,8)
A
EXPO(5)

Sucata

Preparo
Conserto
A
TRIA(1,3,4)
Montagem

TRIA(3,5,10)
B
EXPO(30)
Lotes de 4

Preparo

WEIB(2.5,5.3)
B

EXPO(45)
9%

91%

20%
80%
Venda

4.20 O software ARENA

223

As placas e embalagem do produto A, chegam seguindo uma distribuio exponencial com intervalo mdio de 5 minutos entre chegadas. J as placas e embalagens
do modelo B chegam, em lotes de 4, tambm seguindo uma distribuio exponencial com intervalo mdio de 30 minutos entre chegadas.
O tempo de preparao de cada unidade tipo A segue uma distribuio triangular
com parmetros 1, 4 e 8 minutos enquanto que a do produto B tambm segue uma
triangular com parmetros 3, 5 e 10 minutos.
Aps preparados, tanto as placas como embalagens dos 2 produtos vo para a seo
de montagem. L, cada unidade do produto tipo A montada num tempo que segue
uma distribuio triangular com parmetros 1, 3 e 4 minutos. J uma unidade do
produto B montada em um tempo que segue uma Weibull com = 2.5 e = 5.3.
Os produtos rejeitados vo para a seo de reparo onde so consertados em um
tempo que tambm segue a distribuio exponencial com durao de 45 minutos.
Deseja-se simular esta situao para determinar algumas varveis tais como no de
unidade na fila, tempo total de produo, etc...
Vamos construir o modelo no Arena. Inicialmente vamos construir um bloco Create para a chegada dos componentes do produto A.

Criamos de forma idntica um bloco Create para as chegadas das placas e embalagens do produto tipo B. Temos ento:

224

Introduo Simulao

Devemos notar que Entities per Arrival foi alterado para 4, pois as placas e embalagens de B chegam em lotes de 4.
Neste ponto temos que nos preocupar com um ponto que no apareceu nos modelos
anteriores. Depois de chegar e ser preparado, os componentes do modelo A vo
para a seo de montagem. No entanto com o modelo tipo B ocorre a mesma coisa,
ou seja ambos usam a seo de montagem mas com tempos seguindo distribuies
diferentes. No podemos definir 2 distribuies para o mesmo processo nem definir
2 processos porque na verdade s existe uma seo de montagem. Para contornar isto, vamos definir um atributo Tempo de Montagem a quem atribuiremos o
tempo de montagem apropriado para cada tipo de produto. O bloco que faz estas
atribuies no Arena o Assign. Temos ento:

4.20 O software ARENA

225

Demos o nome de Definio Montagem A. A seguir, clicamos no boto Add e criamos

o atributo Tempo de Montagem informando a distribuio do tempo de montagem
para o produto tipo A, ou seja, TRIA(1,3,4).

Cliando em Add mais uma vez, vamos criar o atributo Instante da Chegada informando o instante da chegada das peas de um modelo A. Usamos a varivel
TNOW que uma varivel do Arena que contm o instante do evento que acabou
de ocorrer, no caso a chegada dos componentes de um modelo tipo A.

O Tempo de Montagem, para o produto A est completo:

226

Introduo Simulao

Temos que fazer o mesmo para o produto B s tendo o cuidado de escolher os atributos Tempo de Montagem e Instante da Chegada que tnhamos escolhido
anteriormente (eles vo aparecer no Listbox dos atributos).

Podemos agora criar os blocos (Process) para a etapa de preparao.

Para o tipo A temos:

4.20 O software ARENA

227

Podemos observar que criamos um recurso que chamamos de Preparador para A.

Para o tipo B temos que fazer a mesma coisa:

Temos agora a Montagem onde devemos usar o atributo Tempo Montagem que
criamos anteriormente.

Aps montados, os produtos passam por uma inspeo de qualidade. Podemos

represent-la usando o bloco Decide. Temos ento:

228

Introduo Simulao

Podemos escolher o percentual, no caso 9% de rejeio. Estes rejeitados vo para a

rea de conserto que, no Arena, ser representado por mais um bloco Process.

Adicionamos o recurso que vai consertar os produtos rejeitados (Tcnico).

4.20 O software ARENA

229

Temos aps o conserto uma re-inspeo para verificar as que podem ser comercializadas. Temos ento mais um bloco de deciso. Podemos represent-lo usando o
bloco Decide. Temos ento:

Tendo definido todas as operaes, precisamos nos preocupar com a obteno das
informaes que queremos analisar.Lembre-se que, como parte da prpria simulao, ns obtemos estatsticas sobre a utilizao dos recursos, tamanho das filas e
espera em cada uma das filas. No entanto, queremos tambm informaes sobre a
durao do ciclo para os produtos que passam no controle de qualidade e para os
que no passam, queremos conhecer o ciclo dos que so consertados e dos que vo
para a sucata. O bloco Record permite que se tenha estes dados. Para os que vo
para a sucata, temos:

Para Type, escolhemos Time Interval e no atributo escolhemos Instante da Chegada.

Com isto o Arena vai registrar cada durao desde que as partes do produto chegam
at irem para a sucata. Para os demais itens (comercializadas direto e comercializados aps reparo), o procedimento o mesmo como podemos ver s seguir:

230

Introduo Simulao

Finalmente no podemos esquecer dos mdulos de sada, ou seja Dispose. Temos 3

sadas possveis: Sucata, Vendas Ps Conserto e Vendas Diretas. Temos que ter
3 blocos Dispose.
Em um modelo deste tipo usual que v se construindo os blocos sem nos preocuparmos com a ligao lgica entre eles. Neste momento, quando todos os blocos j
esto prontos, devemos fazer a ligao ente eles de modo a que o Arena possa executar a simulao. Aps fazer esta tarefa, nosso modelo tem a seguinte aparncia:

4.20 O software ARENA

231

232

Introduo Simulao

Executando a simulao para um perodo de 40 horas, os seguintes resultados foram obtidos nos relatrios impressos pelo Arena:
Espera mdia na Fila (Wq )
Na prep A
Na prep B
Na montagem
No conserto
Tamanho mdio da Fila (Lq )
Na prep A
Na prep B
Na montagem
No conserto
Vendas
Direto
Consertados
Utilizao do Recurso ()
Prep A
Prep B
Montagem
Conserto

Minutos
14,98
28,16
2,52
536,79
3,18
3,52
0,84
15,97
Quantidade
728
39
%
75
90
85
96

Os resultados mostram que temos um problema na rea de conserto. Ao final da

simulao, existiam 32 modelos na fila aguardando reparo. Pode-se ver tambm
que a rea est ocupada quase 100% do tempo. Para se melhorar o processo de
produo, teramos que aumentar a capacidade de produo da seo de conserto.

4.20.4 Enfeitando o modelo

O que vimos, at aqui, do ARENA deve representar de 10% a 20% do que possvel
fazer com o software. Modelos bastante sofisticados e anlise de custos so possveis de serem realizados. O Arena permite tambm que modelos de animao
sejam criados. Um exemplo pode ser visto na pgina a seguir, onde temos um modelo de uma agncia bancria onde alm do normal em uma agncia, temos caixas
de atendimento para clientes motorizados. No entanto, devemos ressaltar que a
animao, embora muito interessante como ferramenta de venda do modelo, consome tempo para ser construda e, obviamente, os mesmos resultados so obtidos
se trabalhamos s com os blocos dos templates.
Na pgina a seguir temos um modelo de uma agncia bancria com 3 filas: a dos 2
caixas, das mquinas ATM e de carros na caixa tipo drive-in. Este exemplo vem no
cd do software Arena e ilustra o que comentamos acima sobre modelos com animao.

4.20 O software ARENA

233

234

Introduo Simulao

4.21 Exerccios
1) Usando o mtodo dos quadrados mdios, calcule os 12 primeiros nmeros gerados, com 4 dgitos, a partir de uma semente igual a 7308.
2) Use o mtodo congruente linear para gerar um seqencia de 3 nmeros aleatrios de 2 dgitos. Use x0 = 27, a = 8, c = 47 e m = 100.
3) Encontramos algum problema no exerccio anterior se x0 = 0 ?
4) Considere o mtodo congruente multiplicativo para os seguintes casos:
a) a = 11 m = 16

x0 = 7

b) a = 11 m = 16

x0 = 8

c) a = 7 m = 16

x0 = 7

d) a = 7 m = 16

x0 = 8

Gere, para cada caso, todo o perodo. O que podemos inferir dos resultados
encontrados ?
5) Construa, para a RAND2, um cubo idntico ao mostrado na pgina 157 para o
gerador RANDU.
6) Pesquise na internet para descobrir qual a frmula usada pela planilha Excel
no seu gerador de nmeros aleatrios padro.
7) Desenvolva um gerador de nmeros aleatrios, usando o mtodo da transformao inversa, para a seguinte distribuio probabilstica:
(
e2x,
< x 0
f (x) =
e2x, 0 < x <
8) Idem para:

,
0x2

3
1
f (x) =
, 2 < x 10

24

0,
x > 10

9) Com uma calculadora que tenha a funo para gerar nmeros aleatrios uniformemente distribudos em [0, 1], gere 10 nmeros seguindo a distribuio de
Poisson com mdia () igual a 2, 5.

235

4.21 Exerccios

10) Modifique o programa da pgina 172 para calcular a probabilidade de um valor

(x) de uma distribuio normal, com mdia () igual a 1.500 e desvio padro
() igual a 300, estar entre 1.300 e 1.800. Use, no programa, a frmula da
distribuio normal:
(X )2

1
2 2
e
f (x) =
2
2
Compare o valor obtido pela simulao com o valor obtido da tabela normal.
11) A gerente de uma loja de eletro-domsticos est desconfiada que o seu estoque
de foges est acima do que seria necessrio. Antes de modificar a poltica de
estoques, ela registrou o nmero de foges vendidos, diariamente, nos ltimos
25 dias. Os dados encontrados esto mostrados a seguir:
Foges vendidos
Nmero de dias

2
4

3
7

4
8

5
5

6
1

a) Use os dados para estimar a distribuio de probabilidade das vendas dirias

de foges.
b) Calcule a mdia da distribuio obtida na parte (a ).
c) Descreva como nmeros aleatrios uniformemente distribudos em [0, 1] podem ser usados para simular as vendas dirias.
d) Usando os nmeros aleatrios 0.4475, 0.9713 e 0.0629, simule as vendas dirias de 3 dias.
e) Usando uma planilha eletrnica (Excel, por exemplo), faa um modelo para
simular as vendas dirias. Realize 300 replicaes e obtenha a mdia de
vendas dirias.
12) Utilizando como sementes os valores 1234, 76545, 88787, 77712, 564783 e 5434
encontre os 3 primeiros nmeros gerados pela RAND4.
13) Pesquise e descubra os comandos para a gerao de nmeros aleatrios no Turbo
Pascal, inclusive com a escolha da semente.
14) Utilizando uma planilha eletrnica (Excel, por exemplo), construa um modelo
para a seguinte situao: Um posto de gasolina do governo, que tem somente
uma bomba de gasolina, est sempre aberto e tem 2 tipos de clientes. Uma
ambulncia chega, exatamente, a cada 30 minutos, com o 1o carro chegando
no instante, 15 minutos. Carros de outras reparties pblicas, que no so
ambulncias, chegam com um intervalo mdio entre chegadas, exponencial, de
5, 6 minutos, com o 1o carro chegando no instante 0. O tempo de servio, para
todos os tipos de carros, tem uma mdia de 4, 8 minutos (exponencial).
Um carro que chega e encontra a bomba vazia vai ser atendido imediatamente
enquanto que os que chegam com a bomba ocupada, formam uma fila nica.
Isto s no vale para as ambulncias que, ao chegar, vo imediatamente para o

236

Introduo Simulao

incio da fila (assuma que, se j tem uma ou mais ambulncias no incio da fila,
esta nova chegada passa a ser a 1a da fila). Considere que no incio da simulao
(instante 0), o posto est vazio. Execute a simulao at que 500 carros, no total,
tenham sido atendidos. Estime o tempo de espera mdio na fila para os 2 tipos
de carro, o nmero mdio de carros na fila para os 2 tipos de carro e a taxa de
ocupao da bomba de gasolina.
15) Desenvolva um modelo para um sistema com 2 processos consecutivos (I e II).
Os tens chegam ao sistema com intervalo, mdio, entre chegadas de 10 minutos.
Assim que chegam, os tens so imediatamente enviados para o processo I que
tem uma fila ilimitada e um recurso simples com uma durao, mdia, do servio
de 9 minutos. Aps terminar o 1o processo, os tens so enviados para o processo
II que idntico ao processo I. Aps o servio do processo II ser completado,
os tens deixam o sistema. As medidas de interesse no sistema so o nmero
mdio de tens na fila, em cada processo, e o tempo total, mdio, que um tem
permanece no sistema. Usando 10.000 minutos como a durao a ser estudada,
faa as 4 simulaes a seguir e compare os resultados.
a) Intervalo entre chegadas exponencial e durao do servio exponencial.
b) Intervalo entre chegadas exponencial e durao do servio constante.
c) Intervalo entre chegadas constante e durao do servio exponencial.
d) Intervalo entre chegadas constante e durao do servio constante.
16) Peas chegam a uma estao de trabalho com um intervalo, mdio, entre chegadas de 21 segundos (exponencial). Aps a chegada, as peas so processadas.
O tempo de processamento segue uma distribuio triangular com parmetros
16, 19 e 22. Existem caractersticas visuais que determinam se uma pea tem
um eventual problema de qualidade. Esto peas, que so cerca de 10% do total,
so enviadas para outra estao onde sofrem uma rigorosa inspeo. As demais
(90%) so enviadas para a expedio e consideradas boas.
A distribuio do tempo de inspeo rigorosa , em mdia, igual a 95 segundos
mais uma varivel aleatria que segue uma distribuio de Weibull com parmetros iguais a 48,5 e 4,04. Em torno de 14% das peas que sofrem inspeo,
so reprovadas e viram sucata. As demais vo para a expedio.
Execute a simulao para 10.000 segundos para determinar o nmero de peas
boas, o nmero de peas sucateadas e o nmero de peas que so inspecionadas
parcialmente e rigorosamente.

4.21 Exerccios

237

17) Clientes chegam a uma caixa com um intervalo, mdio, entre chegadas igual
a 10 minutos (exponencial). Um nico funcionrio recebe o pagamento alm
de conferir o pedido. Ele demora, em mdia, entre 8 a 10 minutos para fazer
estas tarefas, variando a durao uniformemente naquele intervalo. Aps esta
atividade estar completada, o cliente , aleatoriamente, atribudo a um de 2
funcionrios do estoque que separam e embalam a mercadoria para entregar
ao cliente. O tempo desta atividade tambm uniformemente distribudo entre
16 e 20 minutos. Cada um dos 2 funcionrios do estoque s podem atender
clientes que foram designados para ele. Aps receber sua mercadoria, o cliente
vai embora.
Desenvolva um modelo e rode a simulao para 5.000 minutos.
H uma sugesto de que os 2 funcionrios possam atender qualquer cliente que
ficariam em uma fila nica esperando atendimento. Rode a simulao tambm
para 5.000 minutos e compare os resultados.

238

Introduo Simulao

Apndice A
Tabela Normal
Parte I
Z
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2.0
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1.0
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
-0.0

0
.00187
.00256
.00347
.00466
.00621
.00820
.01072
.01390
.01786
.02275
.02872
.03593
.04457
.05480
.06681
.08076
.09680
.11507
.13567
.15866
.18406
.21186
.24196
.27425
.30854
.34458
.38209
.42074
.46017
.50000

1
.00181
.00248
.00336
.00453
.00604
.00798
.01044
.01355
.01743
.02222
.02807
.03515
.04363
.05370
.06552
.07927
.09510
.11314
.13350
.15625
.18141
.20897
.23885
.27093
.30503
.34090
.37828
.41683
.45621
.49601

2
.00175
.00240
.00326
.00440
.00587
.00776
.01017
.01321
.01700
.02169
.02743
.03438
.04272
.05262
.06426
.07780
.09342
.11123
.13136
.15386
.17879
.20611
.23576
.26763
.30153
.33724
.37448
.41294
.45224
.49202

3
.00169
.00233
.00317
.00427
.00570
.00755
.00990
.01287
.01659
.02118
.02680
.03362
.04182
.05155
.06301
.07636
.09176
.10935
.12924
.15151
.17619
.20327
.23270
.26435
.29806
.33360
.37070
.40905
.44828
.48803

4
.00164
.00226
.00307
.00415
.00554
.00734
.00964
.01255
.01618
.02068
.02619
.03288
.04093
.05050
.06178
.07493
.09012
.10749
.12714
.14917
.17361
.20045
.22965
.26109
.29460
.32997
.36693
.40517
.44433
.48405

5
.00159
.00219
.00298
.00402
.00539
.00714
.00939
.01222
.01578
.02018
.02559
.03216
.04006
.04947
.06057
.07353
.08851
.10565
.12507
.14686
.17106
.19766
.22663
.25785
.29116
.32636
.36317
.40129
.44038
.48006

6
.00154
.00212
.00289
.00391
.00523
.00695
.00914
.01191
.01539
.01970
.02500
.03144
.03920
.04846
.05938
.07215
.08692
.10383
.12302
.14457
.16853
.19489
.22363
.25463
.28774
.32276
.35942
.39743
.43644
.47608

7
.00149
.00205
.00280
.00379
.00508
.00676
.00889
.01160
.01500
.01923
.02442
.03074
.03836
.04746
.05821
.07078
.08534
.10204
.12100
.14231
.16602
.19215
.22065
.25143
.28434
.31918
.35569
.39358
.43251
.47210

8
.00144
.00199
.00272
.00368
.00494
.00657
.00866
.01130
.01463
.01876
.02385
.03005
.03754
.04648
.05705
.06944
.08379
.10027
.11900
.14007
.16354
.18943
.21770
.24825
.28096
.31561
.35197
.38974
.42858
.46812

9
.00139
.00193
.00264
.00357
.00480
.00639
.00842
.01101
.01426
.01831
.02330
.02938
.03673
.04551
.05592
.06811
.08226
.09853
.11702
.13786
.16109
.18673
.21476
.24510
.27760
.31207
.34827
.38591
.42466
.46414

240

Tabela Normal

Parte II
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9

0
.50000
.53983
.57926
.61791
.65542
.69146
.72575
.75804
.78814
.81594
.84134
.86433
.88493
.90320
.91924
.93319
.94520
.95543
.96407
.97128
.97725
.98214
.98610
.98928
.99180
.99379
.99534
.99653
.99744
.99813

1
.50399
.54379
.58317
.62172
.65910
.69497
.72907
.76115
.79103
.81859
.84375
.86650
.88686
.90490
.92073
.93448
.94630
.95637
.96485
.97193
.97778
.98257
.98645
.98956
.99202
.99396
.99547
.99664
.99752
.99819

2
.50798
.54776
.58706
.62552
.66276
.69847
.73237
.76424
.79389
.82121
.84614
.86864
.88877
.90658
.92220
.93574
.94738
.95728
.96562
.97257
.97831
.98300
.98679
.98983
.99224
.99413
.99560
.99674
.99760
.99825

3
.51197
.55172
.59095
.62930
.66640
.70194
.73565
.76730
.79673
.82381
.84849
.87076
.89065
.90824
.92364
.93699
.94845
.95818
.96638
.97320
.97882
.98341
.98713
.99010
.99245
.99430
.99573
.99683
.99767
.99831

4
.51595
.55567
.59483
.63307
.67003
.70540
.73891
.77035
.79955
.82639
.85083
.87286
.89251
.90988
.92507
.93822
.94950
.95907
.96712
.97381
.97932
.98382
.98745
.99036
.99266
.99446
.99585
.99693
.99774
.99836

5
.51994
.55962
.59871
.63683
.67364
.70884
.74215
.77337
.80234
.82894
.85314
.87493
.89435
.91149
.92647
.93943
.95053
.95994
.96784
.97441
.97982
.98422
.98778
.99061
.99286
.99461
.99598
.99702
.99781
.99841

6
.52392
.56356
.60257
.64058
.67724
.71226
.74537
.77637
.80511
.83147
.85543
.87698
.89617
.91308
.92785
.94062
.95154
.96080
.96856
.97500
.98030
.98461
.98809
.99086
.99305
.99477
.99609
.99711
.99788
.99846

7
.52790
.56749
.60642
.64431
.68082
.71566
.74857
.77935
.80785
.83398
.85769
.87900
.89796
.91466
.92922
.94179
.95254
.96164
.96926
.97558
.98077
.98500
.98840
.99111
.99324
.99492
.99621
.99720
.99795
.99851

8
.53188
.57142
.61026
.64803
.68439
.71904
.75175
.78230
.81057
.83646
.85993
.88100
.89973
.91621
.93056
.94295
.95352
.96246
.96995
.97615
.98124
.98537
.98870
.99134
.99343
.99506
.99632
.99728
.99801
.99856

9
.53586
.57534
.61409
.65173
.68793
.72240
.75490
.78524
.81327
.83891
.86214
.88298
.90147
.91774
.93189
.94408
.95449
.96327
.97062
.97670
.98169
.98574
.98899
.99158
.99361
.99520
.99643
.99736
.99807
.99861

Apndice B
Tabela do 2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50

0,25

0,10

0,05

0,025

0,01

0,005

0,001

1,32
2,77
4,10
5,38
6,62
7,84
9,03
10,21
11,38
12,54
13,70
14,84
15,98
17,11
18,24
19,36
20,48
21,60
22,71
23,82
24,93
26,03
27,14
28,24
29,33
30,43
31,52
32,62
33,71
34,80
45,61
56,33

2,70
4,60
6,25
7,77
9,23
10,64
12,01
13,36
14,68
15,98
17,27
18,54
19,81
21,06
22,30
23,54
24,76
25,98
27,20
28,41
29,61
30,81
32,00
33,19
34,38
35,56
36,74
37,91
39,08
40,25
51,80
63,16

3,84
5,99
7,81
9,48
11,07
12,59
14,06
15,50
16,91
18,30
19,67
21,02
22,36
23,68
24,99
26,29
27,58
28,86
30,14
31,41
32,67
33,92
35,17
36,41
37,65
38,88
40,11
41,33
42,55
43,77
55,75
67,50

5,02
7,37
9,34
11,14
12,83
14,44
16,01
17,53
19,02
20,48
21,92
23,33
24,73
26,11
27,48
28,84
30,19
31,52
32,85
34,17
35,47
36,78
38,07
39,36
40,64
41,92
43,19
44,46
45,72
46,97
59,34
71,42

6,63
9,21
11,34
13,27
15,08
16,81
18,47
20,09
21,66
23,20
24,72
26,21
27,68
29,14
30,57
32,00
33,40
34,80
36,19
37,56
38,93
40,28
41,63
42,98
44,31
45,64
46,96
48,27
49,58
50,89
63,69
76,15

7,87
10,59
12,83
14,86
16,75
18,54
20,27
21,95
23,58
25,18
26,75
28,30
29,81
31,31
32,80
34,26
35,71
37,15
38,58
39,99
41,40
42,79
44,18
45,55
46,92
48,29
49,64
50,99
52,33
53,67
66,76
79,49

10,82
13,81
16,26
18,46
20,51
22,45
24,32
26,12
27,87
29,58
31,26
32,90
34,52
36,12
37,69
39,25
40,79
43,31
43,82
45,31
46,79
48,26
49,72
51,17
52,62
54,05
55,47
56,89
58,30
59,70
73,40
86,66

242

Tabela do 2

Apndice C
Tabelas para modelos com populao finita

As tabelas a seguir 1 tem como objetivo facilitar os clculos para modelos de filas
com populao de tamanho finito.
As tabelas aqui contidas, por problema de espao, s abrangem os modelos com
populao igual a 5, 10, 20 e 30 elementos. Sendo assim, os exerccios apresentados s tratam modelos com populaes de um daqueles tamanhos.
No acesso a tabela, deve-se observar que, em cada pgina, existem 3 colunas, cada
uma com 4 valores: X, S, D e F.
A sequencia dos valores por coluna. Sendo assim, iniciamos na 1a coluna, descemos at embaixo na pgina e, ao chegar ao final, subimos para a 2a coluna. Quando
esta acaba, embaixo na pgina, subimos para a 3a coluna e quando chegamos ao
final, mudamos para a prxima pgina onde a sequencia a mesma.
Na prpria tabela est impresso onde ela comea a valer para uma determinada
populao. Assim, aps encontrar impresso Populao 10, por exemplo, passam a
valer os valores para esta populao.

extrada de L.G.Peck and R.N.Hazelwood, Finite Queuing Tables, John Wiley & Sons, 1958

244

Tabelas para modelos com populao finita

X
S
D
POPULAO 5

.012
.019
.025
.030
.034

1
1
1
1
1

.048
.076
.100
.120
.135

.999
.998
.997
.996
.995

.036
.040
.042
.044
.046
.050

1
1
1
1
1
1

.143
.159
.167
.175
.183
.198

.994
.993
.992
.991
.990
.989

.120

.052
.054
.056

1
1
2
1
2
1
2
1

.206
.214
.018
.222
.019
.229
.020
.237

.988
.987
.999
.985
.999
.984
.999
.983

.135

2
1
2
1
2
1
2

.022
.245
.023
.253
.024
.260
.026

.999
.982
.999
.981
.999
.979
.999

1
2
1
2
1
2
1

.268
.027
.275
.031
.294
.035
.313

.978
.999
.977
.999
.973
.998
.969

2
1
2
1
2
1
2

.040
.332
.044
.350
.049
.368
.054

.998
.965
.998
.960
.997
.955
.997

.058
.060
.062
.064
.066
.068
.070
.075
.080
.085
.090
.095
.100

X
.100
.105
.110
.115

.125
.130

.140
.145
.150

.155
.160

.165
.170

.180
.190
.200

S
1
2
1
2
1
2
1

D
.386
.059
.404
.065
.421
.071
.439

F
.950
.997
.945
.996
.939
.995
.933

2
1
2
1
2
1

.076
.456
.082
.473
.089
.489

.995
.927
.994
.920
.993
.914

2
1
2
1
3
2
1
3

.095
.505
.102
.521
.011
.109
.537
.012

.993
.907
.992
.900
.999
.991
.892
.999

2
1
3
2
1
3
2

.115
.553
.013
.123
.568
.015
.130

.990
.885
.999
.989
.877
.999
.988

1
3
2
1
3
2
1

.582
.016
.137
.597
.017
.145
.611

.869
.999
.987
.861
.999
.985
.853

3
2
1
3
2
1
3

.021
.161
.638
.024
.177
.665
.028

.999
.983
.836
.998
.980
.819
.998

X
.200
.210
.220

.230
.240

.250
.260
.270

.280
.290

.300

.310

.320

S
2
1
3
2
1
3
2

D
.194
.689
.032
.211
.713
.036
.229

F
.976
.801
.998
.973
.783
.997
.969

1
3
2
1
3
2

.735
.041
.247
.756
.046
.265

.765
.997
.965
.747
.996
.960

1
3
2
1
3
2
1
3

.775
.052
.284
.794
.058
.303
.811
.064

.730
.995
.955
.712
.994
.950
.695
.994

2
1
3
2
1
4
3

.323
.827
.071
.342
.842
.007
.079

.944
.677
.993
.938
.661
.999
.992

2
1
4
3
2
1
4

.362
.856
.008
.086
.382
.869
.009

.932
.644
.999
.990
.926
.628
.999

3
2
1
4
3
2
1

.094
.402
.881
.010
.103
.422
.892

.989
.919
.613
.999
.988
.912
.597

245
X
.330

.340

.360

.380

.400

.420
.420
.440

.460

.480

.500

.520

S
4
3
2
1
4
3
2

D
.012
.112
.442
.902
.013
.121
.462

F
.999
.986
.904
.583
.999
.985
.896

1
4
3
2
1
4
3

.911
.017
.141
.501
.927
.021
.163

.569
.998
.981
.880
.542
.998
.976

2
1
4
3
2
1
4

.540
.941
.026
.186
.579
.952
.031

.863
.516
.997
.972
.845
.493
.997

3
2
1
4
3
2
1

.211
.616
.961
.037
.238
.652
.969

.966
.826
.471
.996
.960
.807
.451

4
3
2
1
4
3
2

.045
.266
.686
.975
.053
.296
.719

.995
.953
.787
.432
.994
.945
.767

1
4
3
2
1
4
3

.980
.063
.327
.750
.985
.073
.359

.415
.992
.936
.748
.399
.991
.927

X
.520
.540

.560

.580

.600

.650

.700

.750

.800
.850

.900
.950

S
2
1
4
3
2
1
4

D
.779
.988
.085
.392
.806
.991
.098

F
.728
.384
.989
.917
.708
.370
.986

X
S
D
POPULAO 10

.016
.019
.021
.023
.025

1
1
1
1
1

.144
.170
.188
.206
.224

.997
.996
.995
.994
.993

3
2
1
4
3
2
1

.426
.831
.993
.113
.461
.854
.994

.906
.689
.357
.984
.895
.670
.345

.026
.028
.030
.032

1
1
1
2
1
2
1

.232
.250
.268
.033
.285
.037
.302

.992
.991
.990
.999
.988
.999
.986

4
3
2
1
4
3
2

.130
.497
.875
.996
.179
.588
.918

.981
.883
.652
.333
.972
.850
.608

.036

2
1
2
1
2
1
2

.041
.320
.046
.337
.050
.354
.055

.999
.984
.999
.982
.999
.980
.999

1
4
3
2
1
4
3

.998
.240
.678
.950
.999
.316
.763

.308
.960
.815
.568
.286
.944
.777

1
2
1
2
1
2
1

.371
.060
.388
.065
.404
.071
.421

.978
.998
.975
.998
.973
.998
.970

2
4
3
2
4
3
2

.972
.410
.841
.987
.522
.907
.995

.532
.924
.739
.500
.900
.702
.470

2
1
2
1
2
1
2

.076
.437
.082
.454
.088
.470
.094

.998
.967
.997
.963
.997
.960
.997

4
3
2
4
3

.656
.957
.998
.815
.989

.871
.666
.444
.838
.631

1
2
1
2
1
2
1

.486
.100
.501
.106
.517
.113
.532

.956
.996
.953
.996
.949
.996
.945

.034

.038
.040
.042
.044
.046
.048
.050
.052
.054
.056
.058
.060
.062

246
X
.064
.066
.068

.070
.075
.080

.085
.090
.090
.095
.100

.105
.110
.115

.120

.125

Tabelas para modelos com populao finita

S
2
1
2
1
3
2
1

D
.119
.547
.126
.562
.020
.133
.577

F
.995
.940
.995
.936
.999
.994
.931

X
.125

3
2
1
3
2
1
3

.022
.140
.591
.026
.158
.627
.031

.999
.994
.926
.999
.992
.913
.999

.135

2
1
3
2
1
3
2

.177
.660
.037
.196
.692
.043
.216

.990
.899
.999
.988
.883
.998
.986

1
3
2
1
3
2
1

.722
.049
.237
.750
.056
.258
.776

.867
.998
.984
.850
.998
.981
.832

3
2
1
3
2
1
3

.064
.279
.800
.072
.301
.822
.081

.997
.978
.814
.997
.974
.795
.996

2
1
4
3
2
1
4

.324
.843
.016
.090
.346
.861
.019

.971
.776
.999
.995
.967
.756
.999

.130

.140

.145

.150

.155

.160

.165

.170

.180

S
3
2
1
4
3
2
1

D
.100
.369
.878
.022
.110
.392
.893

F
.994
.962
.737
.999
.994
.958
.718

X
.180

4
3
2
1
4
3
2

.025
.121
.415
.907
.028
.132
.437

.999
.993
.952
.699
.999
.991
.947

.200

1
4
3
2
1
4
3

.919
.032
.144
.460
.929
.036
.156

.680
.999
.990
.941
.662
.998
.989

2
1
4
3
2
1
4

.483
.939
.040
.169
.505
.947
.044

.935
.644
.998
.987
.928
.627
.998

3
2
1
4
3
2
1

.182
.528
.954
.049
.195
.550
.961

.986
.921
.610
.997
.984
.914
.594

4
3
2
1
5
4
3

.054
.209
.571
.966
.013
.066
.238

.997
.982
.906
.579
.999
.996
.978

.190

.210

.220

.230

.240

.250

.260

S
2
1
5
4
3
2
1

D
.614
.975
.016
.078
.269
.654
.982

F
.890
.549
.999
.995
.973
.873
.522

5
4
3
2
1
5
4

.020
.092
.300
.692
.987
.025
.108

.999
.994
.968
.854
.497
.999
.992

3
2
1
5
4
3
2

.333
.728
.990
.030
.124
.366
.761

.961
.835
.474
.998
.990
.954
.815

1
5
4
3
2
1
5

.993
.037
.142
.400
.791
.995
.044

.453
.998
.988
.947
.794
.434
.997

4
3
2
1
6
5
4

.162
.434
.819
.996
.010
.052
.183

.986
.938
.774
.416
.999
.997
.983

3
2
1
6
5
4
3

.469
.844
.997
.013
.060
.205
.503

.929
.753
.400
.999
.996
.980
.919

247
X
.260
.270

.280

.290

.300
.300

.310

.320

.330

.340

S
2
1
6
5
4
3
2

D
.866
.998
.015
.070
.228
.537
.886

F
.732
.384
.999
.995
.976
.908
.712

1
6
5
4
3
2
1

.999
.018
.081
.252
.571
.903
.999

.370
.999
.994
.972
.896
.692
.357

6
5
4
3
2
1
6

.022
.093
.278
.603
.918
.999
.026

.999
.993
.968
.884
.672
.345
.998

5
4
3
2
1
6
5

.106
.304
.635
.932
.999
.031
.120

.991
.963
.872
.653
.333
.998
.990

4
3
2
6
5
4
3

.331
.666
.943
.036
.135
.359
.695

.957
.858
.635
.998
.988
.952
.845

2
6
5
4
3
2
7

.952
.042
.151
.387
.723
.961
.010

.617
.997
.986
.945
.831
.600
.999

X
.340

.360

.380

.400

.420

.440

.460

S
6
5
4
3
2
7
6

D
.049
.168
.416
.750
.968
.014
.064

F
.997
.983
.938
.816
.584
.999
.995

X
.480

S
8
7
6
5
4
3
2

D
.015
.074
.230
.499
.791
.961
.998

F
.999
.994
.973
.916
.799
.621
.417

5
4
3
2
7
6
5

.205
.474
.798
.978
.019
.083
.247

.978
.923
.787
.553
.999
.993
.971

.500

8
7
6
5
4
3
2

.020
.093
.271
.553
.830
.972
.999

.999
.992
.966
.901
.775
.598
.400

4
3
2
7
6
5
4

.533
.840
.986
.026
.105
.292
.591

.906
.758
.525
.998
.991
.963
.887

.520

8
7
6
5
4
3
2

.026
.115
.316
.606
.864
.980
.999

.998
.989
.958
.884
.752
.575
.385

3
2
7
6
5
4
3

.875
.991
.034
.130
.341
.646
.905

.728
.499
.993
.987
.954
.866
.700

.540

8
7
6
5
4
3
8

.034
.141
.363
.658
.893
.986
.044

.997
.986
.949
.867
.729
.555
.996

2
7
6
5
4
3
2

.994
.045
.160
.392
.698
.928
.996

.476
.997
.984
.943
.845
.672
.454

7
6
5
4
3
8
7

.171
.413
.707
.917
.991
.057
.204

.982
.939
.848
.706
.535
.995
.977

8
7
6
5
4
3
2

.011
.058
.193
.445
.747
.947
.998

.999
.995
.979
.930
.822
.646
.435

6
5
4
3
9
8
7

.465
.753
.937
.994
.010
.072
.242

.927
.829
.684
.517
.999
.994
.972

.560

.580

.600

248
X
.600

.650

.700

.750

.750
.800

.850

.900

.950

Tabelas para modelos com populao finita

S
6
5
4
3
9
8
7

D
.518
.795
.953
.996
.021
.123
.353

F
.915
.809
.663
.500
.999
.988
.954

X
S
D
POPULAO 20

X
.040

.005
.009
.011
.013
.014

1
1
1
1
1

.095
.171
.208
.246
.265

.999
.998
.997
.996
.995

.042

6
5
4
3
9
8
7

.651
.882
.980
.999
.040
.200
.484

.878
.759
.614
.461
.997
.979
.929

.015
.016
.017
.018

1
1
1
2
1
2
1

.283
.302
.321
.048
.339
.053
.358

.994
.993
.992
.999
.991
.999
.990

6
5
4
9
8
7
6

.772
.940
.992
.075
.307
.626
.870

.836
.711
.571
.994
.965
.897
.792

.020

2
1
2
1
2
1
2

.058
.376
.064
.394
.070
.412
.075

.999
.989
.999
.987
.999
.986
.999

5
4
9
8
7
6
5

.975
.998
.134
.446
.763
.939
.991

.666
.533
.988
.944
.859
.747
.625

1
2
1
2
1
2
1

.431
.082
.449
.088
.466
.094
.484

.984
.999
.982
.999
.980
.998
.978

4
9
8
7
6
5
9

.999
.232
.611
.879
.978
.998
.387

.500
.979
.916
.818
.705
.588
.963

2
1
2
1
2
1
2.

.108
.519
.122
.553
.137
.587
152

.998
.973
.998
.968
.997
.962
.996

8
7
6
9
8
7

.785
.957
.995
.630
.934
.994

.881
.777
.667
.938
.841
.737

1
2
1
3
2
1
3

.620
.168
.651
.036
.185
.682
.041

.955
.996
.947
.999
.995
.938
.999

.019

.021
.022
.023
.024
.025
.026
.028
.030
.032
.034
.036
.038
.040

.044

.046
.048

.050
.052
.054

.056
.058

.060

.062

.064

.066

S
2
1
3
2
1
3
2

D
.202
.712
.047
.219
.740
.053
.237

F
.994
.929
.999
.993
.918
.999
.992

1
3
2
1
3
2
1

.767
.059
.255
.792
.066
.274
.815

.906
.999
.991
.894
.999
.989
.881

3
2
1
3
2
1
3

.073
.293
.837
.080
.312
.858
.088

.998
.988
.866
.998
.986
.851
.998

2
1
3
2
1
3
2

.332
.876
.097
.352
.893
.105
.372

.984
.835
.997
.982
.819
.997
.980

1
4
3
2
1
4
3

.908
.026
.115
.392
.922
.029
.124

.802
.999
.997
.978
.785
.999
.996

2
1
4
3
2
1
4

.413
.934
.032
.134
.433
.944
.036

.975
.768
.999
.996
.972
.751
.999

249
X
.066
.068

.070

.075

.080
.080
.085

.090

.095

.100

.105

S
3
2
1
4
3
2
1

D
.144
.454
.953
.039
.155
.474
.961

F
.995
.969
.733
.999
.995
.966
.716

4
3
2
1
4
3
2

.043
.165
.495
.967
.054
.194
.545

.999
.994
.962
.699
.999
.992
.953

1
4
3
2
1
4
3

.980
.066
.225
.595
.988
.080
.257

.659
.998
.990
.941
.621
.997
.987

2
1
5
4
3
2
1

.643
.993
.025
.095
.291
.689
.996

.928
.586
.999
.997
.984
.913
.554

5
4
3
2
1
5
4

.031
.112
.326
.733
.998
.038
.131

.999
.996
.980
.896
.526
.999
.995

3
2
1
5
4
3
2

.363
.773
.999
.046
.151
.400
.809

.975
.878
.500
.999
.993
.970
.858

X
.105
.110

.115

.120

.125

.130

.135

.140

.145

.150

S
1
5
4
3
2
5
4

D
.999
.055
.172
.438
.842
.065
.195

F
.476
.998
.992
.964
.837
.998
.990

3
2
6
5
4
3
2

.476
.870
.022
.076
.219
.514
.895

.958
.816
.999
.997
.988
.950
.793

6
5
4
3
2
6
5

.026
.088
.245
.552
.916
.031
.101

.999
.997
.986
.942
.770
.999
.996

4
3
2
6
5
4
3

.271
.589
.934
.037
.116
.299
.626

.983
.933
.748
.999
.995
.980
.923

2
6
5
4
3
2
6

.948
.043
.131
.328
.661
.960
.051

.725
.998
.994
.976
.912
.703
.998

5
4.
3
2
7
6
5

.148
.358
.695
.969
.017
.059
.166

.993
.972
.900
.682
.999
.998
.991

X
.150
.155

.160

.165

.170

.180

.190

.200

S
4
3
2
7
6
5
4

D
.388
.728
.976
.021
.068
.185
.419

F
.968
.887
.661
.999
.997
.990
.963

3
2
7
6
5
4
3

.758
.982
.024
.077
.205
.450
.787

.874
.641
.999
.997
.988
.957
.860

2
7
6
5
4
3
2

.987
.029
.088
.226
.482
.813
.990

.622
.999
.996
.986
.951
.845
.604

7
6
5
4
3
2
7

.033
.099
.248
.513
.838
.993
.044

.999
.995
.983
.945
.830
.587
.998

6
5
4
3
2
8
7

.125
.295
.575
.879
.996
.018
.058

.994
.978
.930
.799
.555
.999
.998

6
5
4
3
2
8
7

.154
.345
.636
.913
.998
.025
.074

.991
.971
.914
.768
.526
.999
.997

250
X
.200

.210

.220

.230

.230

.240

.250

.260

Tabelas para modelos com populao finita

S
6
5
4
3
2
8
7

D
.187
.397
.693
.938
.999
.033
.093

F
.988
.963
.895
.736
.500
.999
.995

6
5
4
3
2
8
7

.223
.451
.745
.958
.999
.043
.115

.985
.954
.874
.706
.476
.998
.994

6
5
4
3
9
8
7

.263
.505
.793
.971
.018
.054
.140

.980
.943
.852
.677
.999
.998
.992

6
5
4
3
9
8
7

.306
.560
.834
.981
.024
.068
.168

.975
.931
.828
.649
.999
.997
.989

6
5
4
3
9
8
7

.351
.613
.870
.988
.031
.085
.199

.969
.917
.804
.623
.999
.996
.986

6
5
4
3
9
8
7

.398
.664
.900
.992
.039
.104
.233

.961
.901
.780
.599
.998
.994
.983

X
.260

.270

.280

.290

.300

.310

S
6
5
4
3
10
9
8

D
.446
.712
.924
.995
.016
.049
.125

F
.953
.884
.755
.576
.999
.998
.992

7
6
5
4
3
10
9

.270
.495
.757
.943
.997
.021
.061

.978
.943
.867
.731
.555
.999
.997

8
7
6
5
4
3
10

.149
.309
.544
.797
.958
.998
.027

.990
.973
.932
.848
.708
.536
.999

9
8
7
6
5
4
3

.075
.176
.351
.592
.833
.970
.999

.996
.988
.967
.920
.828
.685
.517

10
9
8
7
6
5
4

.034
.091
.205
.394
.639
.865
.978

.998
.995
.985
.961
.907
.808
.664

3
11
10
9
8
7
6

.999
.014
.043
.110
.237
.438
.684

.500
.999
.998
.993
.981
.953
.893

X
.310
.320

.330

.340

.360

.380

S
5
4
11
10
9
8
7

D
.892
.985
.018
.053
.130
.272
.483

F
.788
.643
.999
.997
.992
.977
.944

6
5
4
11
10
9
8

.727
.915
.989
.023
.065
.154
.309

.878
.768
.624
.999
.997
.990
.973

7
6
5
4
11
10
9

.529
.766
.933
.993
.029
.079
.179

.935
.862
.748
.605
.999
.996
.987

8
7
6
5
4
12
11

.347
.573
.802
.949
.995
.015
.045

.967
.924
.846
.729
.588
.999
.998

10
9
8
7
6
5
4

.112
.237
.429
.660
.863
.971
.998

.993
.981
.954
.901
.812
.691
.555

12
11
10
9
8
7
6

.024
.067
.154
.305
.513
.739
.909

.999
.996
.989
.973
.938
.874
.777

251
X
.380
.400

.420

.440
.440

.460

.480

S
5
4
13
12
11
10
9

D
.984
.999
.012
.037
.095
.205
.379

F
.656
.526
.999
.998
.994
.984
.962

8
7
6
5
13
12
11

.598
.807
.942
.992
.019
.055
.131

.918
.845
.744
.624
.999
.997
.991

10
9
8
7
6
5
13

.265
.458
.678
.863
.965
.996
.029

.977
.949
.896
.815
.711
.595
.999

12
11
10
9
8
7
6

.078
.175
.333
.540
.751
.907
.980

.995
.987
.969
.933
.872
.785
.680

5
14
13
12
11
10
9

.998
.014
.043
.109
.228
.407
.620

.568
.999
.998
.993
.982
.958
.914

8
7
6
5
14
13
12

.815
.939
.989
.999
.022
.063
.147

.846
.755
.651
.543
.999
.996
.990

X
.480

.500

.520

.540

.560

S
11
10
9
8
7
6
14

D
.289
.484
.695
.867
.962
.994
.033

F
.974
.944
.893
.819
.726
.625
.998

13
12
11
10
9
8
7

.088
.194
.358
.563
.764
.908
.977

.995
.985
.965
.929
.870
.791
.698

6
15
14
13
12
11
10

.997
.015
.048
.120
.248
.432
.641

.600
.999
.997
.992
.979
.954
.911

9
8
7
6
15
14
13

.824
.939
.987
.998
.023
.069
.161

.846
.764
.672
.577
.999
.996
.988

12
11
10
9
8
7
6

.311
.509
.713
.873
.961
.993
.999

.972
.941
.891
.821
.738
.648
.556

15
14
13
12
11
10
9

.035
.095
.209
.381
.586
.778
.912

.998
.994
.984
.963
.926
.869
.796

X
.560
.580

.600

.650

.700

.750

S
8
7
16
15
14
13
12

D
.976
.996
.015
.051
.129
.266
.455

F
.713
.625
.999
.997
.991
.978
.952

11
10
9
8
7
16
15

.662
.835
.941
.986
.998
.023
.072

.908
.847
.772
.689
.603
.999
.996

14
13
12
11
10
9
8

.171
.331
.532
.732
.882
.962
.992

.988
.970
.938
.889
.824
.748
.666

7
17
16
15
14
13
12

.999
.017
.061
.156
.314
.518
.720

.583
.999
.997
.989
.973
.943
.898

11
10
9
8
17
16
15

.872
.957
.990
.998
.047
.137
.295

.837
.767
.692
.615
.998
.991
.976

14
13
12
11
10
9
18

.503
.710
.866
.953
.988
.998
.031

.948
.905
.849
.783
.714
.643
.999

252
X
.750

.800

.850

.850

.900

.950

Tabelas para modelos com populao finita

S
17
16
15
14
13
12
11

D
.113
.272
.487
.703
.864
.952
.988

F
.993
.980
.954
.913
.859
.798
.733

X
S
D
POPULAO 30

X
.032

.004
.007
.009
.010
.011

1
1
1
1
1

.116
.203
.260
.289
.317

.999
.998
.997
.996
.995

.034

10
19
18
17
16
15
14

.998
.014
.084
.242
.470
.700
.867

.667
.999
.996
.984
.959
.920
.869

.012
.013
.014

1
1
2
1
2
1
2

.346
.374
.067
.403
.076
.431
.085

.994
.993
.999
.991
.999
.989
.999

13
12
11
19
18
17
16

.955
.989
.998
.046
.201
.451
.703

.811
.750
.687
.998
.988
.965
.927

1
2
1
2
1
2
1

.458
.095
.486
.105
.513
.116
.541

.987
.999
.985
.999
.983
.999
.980

.042

15
14
13
12
19
18
17

.877
.962
.991
.998
.135
.425
.717

.878
.823
.765
.706
.994
.972
.935

2
1
2
1
2
1
2

.127
.567
.139
.594
.151
.620
.163

.998
.976
.998
.973
.998
.969
.997

.046

16
15
14
13
19
18
17

.898
.973
.995
.999
.377
.760
.939

.886
.833
.778
.722
.981
.943
.894

.023
.024

1
2
1
2
1
2
1

.645
.175
.670
.188
.694
.201
.718

.965
.997
.960
.996
.954
.996
.948

16
15

.989
.999

.842
.789

.028

3
2
1
3
2
1
3

.051
.229
.763
.060
.257
.805
.071

.999
.995
.935
.999
.994
.918
.999

.015
.016
.017
.018
.019
.020
.021
.022
.023

.025
.026

.030
.032

.036

.038
.040

.044

.048

.050

.052

.054

.056

S
2
1
3
2
1
3
2

D
.286
.843
.083
.316
.876
.095
.347

F
.992
.899
.999
.990
.877
.998
.988

1
3
2
1
3
2
1

.905
.109
.378
.929
.123
.410
.948

.853
.998
.986
.827
.997
.983
.800

3
2
1
4
3
2
1

.138
.442
.963
.040
.154
.474
.974

.997
.980
.772
.999
.996
.977
.744

4
3
2
1
4
3
2

.046
.171
.506
.982
.053
.189
.539

.999
.996
.972
.716
.999
.995
.968

1
4
3
2
1
4
3

.988
.060
.208
.571
.992
.068
.227

.689
.999
.994
.963
.663
.999
.993

2
1
4
3
2
1
4

.603
.995
.077
.247
.634
.997
.086

.957
.639
.998
.992
.951
.616
.998

253
X
.056
.058

.060

.062

.064

.066

.068

.070

.075

.080

.085

S
3
2
1
4
3
2
1

D
.267
.665
.998
.096
.288
.695
.999

F
.991
.944
.595
.998
.989
.936
.574

5
4
3
2
1
5
4

.030
.106
.310
.723
.999
.034
.117

.999
.997
.987
.927
.555
.999
.997

3
2
5
4
3
2
5

.332
.751
.038
.128
.355
.777
.043

.986
.918
.999
.997
.984
.908
.999

4
3
2
5
4
3
2

.140
.378
.802
.048
.153
.402
.825

.996
.982
.897
.999
.995
.979
.885

5
4
3
2
5
4
3

.054
.166
.426
.847
.069
.201
.486

.999
.995
.976
.873
.998
.993
.969

2
6
5
4
3
2
6

.893
.027
.088
.240
.547
.929
.036

.840
.999
.998
.990
.959
.805
.999

X
.085

.090

.095

.100

.105

.110

.110
.115

.120

S
5
4
3
2
6
5
4

D
.108
.282
.607
.955
.046
.132
.326

F
.997
.987
.948
.768
.999
.996
.984

X
.120
.125

S
2
8
7
6
5
4
3

D
.999
.024
.069
.171
.367
.666
.940

F
.555
.999
.998
.993
.977
.927
.783

3
2
6
5
4
3
2

.665
.972
.057
.158
.372
.720
.984

.934
.732
.999
.994
.979
.918
.697

.130

8
7
6
5
4
3
8

.030
.083
.197
.409
.712
.957
.037

.999
.997
.991
.972
.914
.758
.999

6
5
4
3
2
7
6

.071
.187
.421
.771
.991
.030
.087

.998
.993
.973
.899
.664
.999
.997

7
6
5
4
3
8
7

.098
.226
.451
.754
.970
.045
.115

.997
.989
.966
.899
.734
.999
.996

5
4
3
2
7
6
5

.219
.470
.816
.995
.038
.105
.253

.991
.967
.879
.634
.999
.997
.988

6
5
4
3
8
7
6

.256
.494
.793
.979
.055
.134
.288

.987
.960
.884
.710
.998
.995
.984

4
3
2
7
6
5
4

.520
.856
.997
.047
.125
.289
.570

.959
.857
.605
.999
.996
.985
.950

.150

5
4
3
9
8
7
6

.537
.828
.986
.024
.065
.155
.322

.952
.867
.687
.999
.998
.993
.980

3
2
7
6
5
4
3

.890
.998
.057
.147
.327
.619
.918

.833
.579
.998
.994
.981
.939
.808

.155

5
4
3
9
8
7
6

.580
.860
.991
.029
.077
.177
.357

.944
.849
.665
.999
.997
.992
.976

.135

.140

.145

254
X
.155

Tabelas para modelos com populao finita

S
5
4
3
9
8
7
6

D
.622
.887
.994
.036
.090
.201
.394

F
.935
.830
.644
.999
.997
.990
.972

.165

5
4
3
9
8
7
6

.663
.910
.996
.043
.105
.227
.431

.924
.811
.624
.999
.996
.988
.967

.170

5
4
3
10
9
8
7

.702
.930
.997
.019
.051
.121
.254

.913
.792
.606
.999
.998
.995
.986

6
5
4
3
10
9
8

.469
.739
.946
.998
.028
.070
.158

.961
.901
.773
.588
.999
.997
.993

7
6
5
4
3
10
9

.313
.546
.806
.969
.999
.039
.094

.980
.948
.874
.735
.555
.999
.996

8
7
6
5
4
11
10

.200
.378
.621
.862
.983
.021
.054

.990
.973
.932
.845
.699
.999
.998

.160

.160

.180

.190

.200

X
.200

.210

.220

.230

.230
.240

.250

S
9
8
7
6
5
4
11

D
.123
.249
.446
.693
.905
.991
.030

F
.995
.985
.963
.913
.814
.665
.999

X
.250

S
11
10
9
8
7
6
5

D
.095
.192
.345
.552
.773
.932
.992

F
.996
.989
.975
.944
.885
.789
.666

10
9
8
7
6
5
4

.073
.157
.303
.515
.758
.938
.995

.997
.992
.980
.952
.892
.782
.634

.260

13
12
11
10
9
8
7

.023
.056
.121
.233
.402
.616
.823

.999
.998
.994
.986
.967
.930
.864

11
10
9
8
7
6
5

.041
.095
.197
.361
.585
.816
.961

.999
.996
.989
.974
.938
.868
.751

6
5
13
12
11
10
9

.954
.995
.032
.073
.151
.279
.462

.763
.641
.999
.997
.992
.981
.959

4
12
11
10
9
8
7

.998
.023
.056
.123
.242
.423
.652

.606
.999
.998
.994
.985
.965
.923

8
7
6
5
14
13
12

.676
.866
.970
.997
.017
.042
.093

.915
.841
.737
.617
.999
.998
.996

6
5
4
12
11
10
9

.864
.976
.999
.031
.074
.155
.291

.842
.721
.580
.999
.997
.992
.981

11
10
9
8
7
6
5

.185
.329
.522
.733
.901
.981
.999

.989
.976
.949
.898
.818
.712
.595

8
7
6
5
4
13
12

.487
.715
.902
.986
.999
.017
.042

.955
.905
.816
.693
.556
.999
.998

14
13
12
11
10
9
8

.023
.055
.117
.223
.382
.582
.785

.999
.998
.994
.986
.969
.937
.880

.270

.280

.290

255
X
.290
.300

.300

.310

.320

.330

S
7
6
5
14
13
12
11

D
.929
.988
.999
.031
.071
.145
.266

F
.795
.688
.575
.999
.997
.992
.982

X
.340

10
9
8
7
6
15
14

.437
.641
.830
.950
.993
.017
.041

.962
.924
.861
.771
.666
.999
.998

13
12
11
10
9
8
7

.090
.177
.312
.494
.697
.869
.966

.996
.990
.977
.953
.909
.840
.749

6
15
14
13
12
11
10

.996
.023
.054
.113
.213
.362
.552

.645
.999
.998
.994
.987
.971
.943

.380

9
8
7
6
15
14
13

.748
.901
.977
.997
.030
.068
.139

.893
.820
.727
.625
.999
.997
.993

.380

12
11
10
9
8
7
6

.253
.414
.608
.795
.927
.985
.999

.983
.965
.931
.876
.799
.706
.606

.360

.400

S
16
15
14
13
12
11
10

D
.016
.040
.086
.169
.296
.468
.663

F
.999
.998
.996
.990
.979
.957
.918

9
8
7
6
16
15
14

.836
.947
.990
.999
.029
.065
.132

.858
.778
.685
.588
.999
.997
.993

13
12
11
10
9
8
7

.240
.392
.578
.762
.902
.974
.996

17
16
15
14
13
12
11

X
.420

S
18
17
16
15
14
13
12

D
.024
.056
.116
.212
.350
.521
.700

F
.999
.997
.994
.986
.972
.948
.910

11
10
9
8
19
18
17

.850
.945
.986
.998
.017
.041
.087

.856
.789
.713
.635
.999
.998
.996

.984
.967
.937
.889
.821
.738
.648

16
15
14
13
12
11
10

.167
.288
.446
.623
.787
.906
.970

.990
.979
.960
.929
.883
.824
.755

.020
.048
.101
.191
.324
.496
.682

.999
.998
.995
.988
.975
.952
.914

9
8
19
18
17
16
15

.994
.999
.028
.064
.129
.232
.375

.681
.606
.999
.997
.993
.985
.970

10
9
8
7
17
16
15

.843
.945
.988
.999
.035
.076
.150

.857
.784
.701
.614
.999
.996
.992

14
13
12
11
10
9
20

.545
.717
.857
.945
.985
.997
.019

.944
.906
.855
.793
.724
.652
.999

14
13
12
11
10
9
8

.264
.420
.601
.775
.903
.972
.995

.982
.964
.933
.886
.823
.748
.666

19
18
17
16
15
14
13

.046
.098
.184
.310
.470
.643
.799

.998
.995
.989
.977
.957
.926
.881

.440

.460

.480

256
X
.480

.500

.500

.520

.540

.560

.850

.900

Tabelas para modelos com populao finita

S
12
11
10
9
20
19
18

D
.910
.970
.993
.999
.032
.072
.143

F
.826
.762
.694
.625
.999
.997
.992

17
16
15
14
13
12
11

.252
.398
.568
.733
.865
.947
.985

.983
.967
.941
.904
.854
.796
.732

10
21
20
19
18
17
16

.997
.021
.051
.108
.200
.331
.493

.667
.999
.998
.994
.988
.975
.954

15
14
13
12
11
10
21

.663
.811
.915
.971
.993
.999
.035

.923
.880
.827
.767
.705
.641
.999

20
19
18
17
16
15
14

.079
.155
.270
.421
.590
.750
.874

.996
.991
.981
.965
.938
.901
.854

13
12
11
10
22
21
20

.949
.985
.997
.999
.023
.056
.117

.799
.740
.679
.617
.999
.997
.994

22
21
20
19
29
28
27

.957
.987
.997
.999
.047
.200
.441

.862
.823
.784
.745
.999
.992
.977

X
.560

.580

.600

.600

.650

.900

.950

S
19
18
17
16
15
14
13

D
.215
.352
.516
.683
.824
.920
.972

F
.986
.973
.952
.920
.878
.828
.772

12
11
23
22
21
20
19

.993
.999
.014
.038
.085
.167
.288

.714
.655
.999
.998
.996
.990
.980

18
17
16
15
14
13
12

.443
.612
.766
.883
.953
.985
.997

.963
.936
.899
.854
.802
.746
.690

11
23
22
21
20
19
18

.999
.024
.059
.125
.230
.372
.538

.632
.999
.997
.993
.986
.972
.949

17
16
15
14
13
12
24

.702
.837
.927
.974
.993
.999
.031

.918
.877
.829
.776
.722
.667
.999

23
22
21
20
19
18
17

.076
.158
.281
.439
.610
.764
.879

.996
.991
.982
.965
.940
.906
.865

26
25
24
23
22
21
29

.683
.856
.947
.985
.996
.999
.226

.953
.923
.888
.852
.815
.778
.993

X
.650

.700

.750

.800

.850

.950

S
16
15
14
13
25
24
23

D
.949
.983
.996
.999
.039
.096
.196

F
.818
.769
.718
.667
.998
.995
.989

22
21
20
19
18
17
16

.339
.511
.681
.821
.916
.967
.990

.977
.958
.930
.894
.853
.808
.762

15
26
25
24
23
22
21

.997
.046
.118
.240
.405
.587
.752

.714
.998
.994
.986
.972
.950
.920

20
19
18
17
16
27
26

.873
.946
.981
.995
.999
.053
.143

.883
.842
.799
.755
.711
.998
.993

25
24
23
22
21
20
19

.292
.481
.670
.822
.919
.970
.991

.984
.966
.941
.909
.872
.832
.791

18
28
27
26
25
24
23

.998
.055
.171
.356
.571
.760
.888

.750
.998
.993
.981
.960
.932
.899

28
27
26
25
24

.574
.831
.951
.989
.998

.973
.945
.912
.877
.842

Bibliografia

[1]

Paul A. Jensen and J. Wesley Barnes, Network Flow Programming, John Wiley & Sons, 1980.

[2]

V.K.Balakrishnan, Graph Theory, Schaums Outline Series, McGraw-Hill,

1997.

[3]

Vinod Chachra, Prabhakar M. Ghare and James M. Moore, Applications of

Graph Theory Algorithms, North Holland, 1979.

[4]

Ravindra K. Ahuja, Thomas L. Magnanti and James B. Orlin, Network Flows,

Prentice-Hall, 1993.

[5]

Don T. Phillips and Alberto Garcia-Diaz, Fundamentals of Network Analysis,

Waveland Press, 1990.

[6]

Mokhtar S. Bazaraa, John J. Jarvis and Hanif D. Sherali, Linear Programming and Network Flows, 2a Edtion, John Wiley & Sons, 1990.

[7]

Frederick S. Hillier and Gerald J. Lieberman, Introduo Pesquisa Operacional, 8a Edition, McGraw-Hill, 2006.

[8]

J Murdoch, Queueing Theory - Worked Examples and Problems, The MacMillan Press, 1978.

[9]

Leonard Gorney, Queueing Theory - A Problem Solving Approach, Petrocelli

Books, 1980.

[10] Brian D. Bunday, Basic Queueing Theory, Edward Arnold, 1986.

[11] Joseph A. Panico, Teoria de las Colas, Prolam S.R.L., 1973.
[12] E.Page, Queueing Theory in OR, The Butterworth Group, 1972.
[13] Juan Prawda, Mtodos y Modelos de Investigacin de Operaciones, Vol. 2,
Editorial Limusa S.A., 1980.
[14] L. Valadares Tavares, Rui Carvalho Oliveira, Isabel Hall Themido e F. Nunes
Correia, Investigao Operacional, McGraw Hill - Lisboa, 1996.
[15] Billy E. Gillett, Introduction to Operations Research - A Computer Oriented
Algorithmic Approach, McGraw-Hill, 1976.

258

BIBLIOGRAFIA

[16] J.A. White, J.W. Schmidt and G.K. Bennett, Analysis of Queueing Systems,
Academic Press, 1975.
[17] W.J. Fabrycky, P.M. Ghare and P.E. Torgersen, Industrial Operations Research, Prentice-Hall, 1972.
[18] Maria Cristina Fogliatti e Nli Maria Costa Mattos, Teoria das Filas, Intercincia, 2007.
[19] Elwood S. Buffa, Operations Management - Problems and Models, 3a Edition,
John Wiley & Sons, 1972.
[20] Laurence J. Moore, Sang M. Lee and Bernard W. Taylor, Management Science,
Allyn and Bacon, 1993.
[21] Joseph J. Moder and Cecil R. Phillips, Project Management with CPM and
PERT, 2a Edition, Van Nostrand, 1970.
[22] Arnold O. Allen, Probability, Statistics and Queueing Theory with Computer
Science Applications, 2a Edition, Academic Press, 1990.
[23] Averril M. Law, Simulation Modeling and Analysis, 4a Edition, McGraw-Hill,
2007.
[24] W.David Kelton, Randall P. Sadowski and David T. Sturrock, Simulation with
Arena, 4a Edition, McGraw-Hill, 2007.
[25] Paulo Jos de Freitas Filho, Introduo a Modelagem e Simulao de Sistemas, Visual Books, 2001.
[26] Kevin Watkins, Discret Event Simulation in C, McGraw-Hill, 1993.
[27] Jerry Banks, John S. Carson II, Barry L. Nelson and David M. Nicol, DiscretEvent System Simulation, 4a Edition, Prentice Hall, 2005.
[28] James R. Evans and David L. Olsen, Introduction to Simulation and Risk
Analysis, Prentice-Hall, 1998.
[29] Leonardo Chwif e Afonso C. Medina, Modelagem e Simulao de Eventos Discretos, 2a Edio Bravarte, 2007.