Documente Academic
Documente Profesional
Documente Cultură
SIMULAO DE SISTEMAS
GERENCIAIS
SUMRIO
INTRODUO ....................................................................................................... 3
UNIDADE 1 TEORIA DAS FILAS APLICADA RESOLUO DE
PROBLEMAS ENVOLVENDO CONGESTIONAMENTO ...................................... 5
1.1 Filas: o que so e onde aparecem? .............................................................. 5
1.2 Filas do cotidiano: como se comportam?...................................................... 5
1.3 Custos relacionados s filas: como controlar?........................................... 10
1.4 Teoria das Filas: um aparato histrico ........................................................ 13
1.5 Modelando uma fila simples ....................................................................... 13
1.6 Fonte de clientes ........................................................................................ 14
1.7 Descrevendo o comportamento de chegada de clientes ............................ 15
1.8 Modelo associado a uma fila caractersticas ........................................... 25
1.9 Estudando a Fila: Modelo de Canal nico .................................................. 28
UNIDADE 2
APLICANDO
INTRODUO
O nico lugar onde sucesso vem antes de trabalho no dicionrio.
(Albert Einstein)
projeto
de
construo
da
bomba
5
do tempo e ter (8 5) = 3 minutos de ociosidade a cada
8
8 minutos. Mas o que isto nos diz? Em verdade, ela estar ocupada 62,5% do
tempo e ocioso nos 37,5% restantes.
inegvel que h capacidade de sobra para o atendimento. possvel
concluirmos que no se formar uma fila? Ou, deve-se ficar claro que a fila ainda
possvel, mesmo com a folga no atendimento? Para tal, basta que, enquanto um
aluno se encontre no guich com a assistente, sendo atendido, cheguem mais
dois ou trs, isto , basta que os tempos entre a chegada de um aluno e a de
outro sejam de 1 minuto, 2 minutos, 2,5 minutos, 3 minutos, entre outros, podendo
outras vezes ser de 6 minutos, 11 minutos e, assim por diante. Dessa forma,
vamos assumir que chegava um aluno a cada 8 minutos, o que responsvel
pela formao da fila. De maneira similar, o prprio tempo de atendimento (que
supnhamos de 5 minutos, fixos) pode ser varivel em torno de uma mdia.
Portanto, est aqui mais uma fonte da formao das filas do nosso dia a dia.
Tempo
(a) Alunos
(c) Alunos
(em minutos)
atendidos
chegam
remanescentes
(acumulado)
(acumulado)
na fila (5 + b a)
10
10
15
16
20
24
25
30
32
35
40
45
48
50
10
55
11
0
Fonte: Elaborado pelo prprio autor.
11
existncia
das
mesmas.
Custo
da
Fila
relaciona-se,
fundamentalmente:
1. receita direta perdida devido aos clientes que simplesmente vo
embora por causa das filas ou da relativa incapacidade de atendimento;
2. receita indireta, perdida por causa de desgaste da boa imagem da
instituio ou sua associao com ineficincia ou mau atendimento.
Independentemente, de esperarmos que, quanto melhor o nvel de
servio, menor seja o custo da fila, j que as esperas e o tempo de atendimento
tendem a diminuir.
12
13
14
15
16
17
18
x e
x
Onde:
Soluo: Neste caso, de acordo com a descrio terica anterior, vem que:
a) A probabilidade de no receber nenhum cliente dada por:
P(x) =
x e
x
2 0 e 2
= 0,135 ou 13,5%
0!
19
2 2 e 2
= 0,27 ou 27%
2!
21 e 2
= 0,27 ou 27%
1!
P(3) =
2 3 e 2
= 0,18 ou 18%
3!
Portanto,
P(receber 3 clientes ou menos) = 0,135 + 0,27 + 0,27 + 0,18 = 0,855 ou
85,5%.
20
e = constante de Euler.
Processo de Seleo
Segundo Medeiros (1998), dada uma fila de clientes aguardando
atendimento, o critrio pelo qual se escolhe qual ser o prximo cliente a ser
atendido recebe o nome de disciplina da fila. Nas atividades de servio,
geralmente a disciplina adotada chamada Peps (Primeiro a Entrar, Primeiro a
Sair), ou seja, segue-se a ordem de chegada. Isso tende a assegurar uma certa
justia, tendo aceitao generalizada. Salienta-se que a regra Peps no a nica
disciplina possvel, ou seja, pode-se utilizar do atendimento preferencial, como
acontecem em algumas situaes em que a fila d prioridade s crianas, idosos,
mulheres grvidas, pessoas portadoras de necessidades especiais, entre outros.
Vamos trabalhar com referncia na regra Peps.
Posto de Atendimento
Deve-se salientar, primeiramente, que o posto de atendimento a
instalao do sistema que servir de suporte ao atendimento da fila. Neste
sentido, temos alguns conceitos introdutrios fundamentais, que descrevemos a
seguir. Tais conceitos so baseados em Medeiros (1998) e Moreira (2007).
Fila de Canal nico uma fila chamada de Canal nico quando existe
uma nica instalao de atendimento. Salienta-se que essa instalao pode
consistir de um s posto, que realiza sozinho todo o atendimento, ou de vrios
postos em srie, cada qual realizando uma parte do atendimento.
Fila de Canal Mltiplo uma fila dita de Canal Mltiplo se existirem
duas ou mais instalaes de atendimento em paralelo, cada qual atendendo de
forma independente das demais. Cada instalao pode consistir de um posto
isolado ou de vrios postos em srie.
Atendimento nico o atendimento dito de Atendimento nico se for
realizado integralmente por um s posto de servio.
Atendimento Mltiplo o atendimento dito de Atendimento Mltiplo
se forem necessrios dois ou mais postos em sequncia, cada qual responsvel
por uma parte do atendimento.
21
22
O comportamento de atendimento
De acordo com Andrade (2002), chamamos de taxa de atendimento ao
tempo em que um posto de servio demanda para atender um determinado
cliente. Note que como foi definido, o comportamento de chegada dos clientes,
tambm a taxa de atendimento de um posto de trabalho, pode se comportar de
forma determinstica ou probabilstica. Salienta-se que existem situaes em
que um posto de servio consegue atender exatamente o mesmo nmero de
clientes dentro de uma unidade de tempo especificada. Nesse caso, a taxa de
atendimento
ser
constante,
posto
de
servio
comporta-se
23
y .e
y!
Onde:
24
Portanto:
P(t 20) = 1 e
1
4.( )
3
= 0,736 ou 73,6%
Portanto:
P(t 10) = 1 e
1
4.( )
6
= 0,487 ou 48,7%
Portanto:
P(t 10) = 1 e
4.(
1
)
12
= 0,283 ou 28,3%
25
26
Utilizao do sistema
Usualmente designada pela letra grega (rho) e dada pelas relaes:
Onde:
27
28
29
Notemos que:
para o caso da disciplina da fila ser a Peps, isto significa, (Primeiro a
Entrar, Primeiro a Sair), ou seja, o atendimento realizado pela ordem de
chegada;
no h abandono da fila nem antes nem depois que o cliente se junta a
ela;
a taxa mdia de atendimento maior que a taxa mdia de chegada, ou
seja, > . Mais a frente, veremos a importncia de tal fato.
No estaremos preocupados em apresentar a derivao das frmulas, que
envolve um esforo matemtico alm dos nossos propsitos. Sendo assim,
utilizaremos a seguinte notao:
= taxa de chegada;
30
= taxa de atendimento;
= utilizao do sistema;
P(0) = probabilidade de que o sistema esteja ocioso;
I.
Utilizao do sistema: =
II.
III.
31
IV.
k) = 1
2
.( )
V.
VI.
VII.
VIII.
Lf
32
aterrissar, em mdia, um avio por minuto. Supondo que tanto a taxa de chegada
como a taxa de pouso dos avies obedeam distribuio de Poisson, pede-se:
a) A taxa de utilizao do sistema de aterrissagem do aeroporto.
b) A probabilidade de que nenhum avio esteja pousando ou aguardando a
liberao de pista.
c) A probabilidade de que haja apenas um avio aterrissando ou
aguardando ordem para isso.
d) A probabilidade de que no haja mais que trs avies sobrevoando as
cercanias do aeroporto, aguardando instrues para pouso.
e) O nmero mdio de avies aguardando ordem de pouso.
f) O nmero mdio de avies pousando ou aguardando ordem de pouso.
g) O tempo mdio que um avio fica sobrevoando as cercanias do
aeroporto, aguardando ordem para pousar.
h) O tempo mdio que um avio demora a aterrissar, incluindo o tempo de
aterrissagem em si, mais o tempo que fica sobrevoando perto do aeroporto
aguardando ordem de pousar.
Soluo: inicialmente, devemos notar que embora a nomenclatura esteja
adaptada natureza deste problema, as grandezas pedidas so exatamente as
caractersticas operacionais vista para a situao de canal nico. Dessa forma,
temos que:
a) Taxa de utilizao do sistema de aterrissagem do aeroporto
simplesmente a relao entre as taxas de pouso e de chegada, sendo:
33
Ou seja,
1
1
(a taxa de utilizao do sistema de , ou 33,3%)
3
3
P(0) = 1 = 1
1
2
=1 =
3
3
P(n) = . P(0)
2
1 2
P(1) = . =
9
3 3
P(n = k) = 1
k +1
34
1
P(n = 3) = 1
3
3+1
=1
1
80
=
81
81
2
Lf=
.( )
Ou seja,
12
1
=
3.(3 1)
6
Lf=
L=Lf +
Logo,
L=
1
1
1
+ =
6
3
2
Wf=
Lf
Logo,
35
1
1
Wf= 6 =
1
6
Ou seja,
1
1
W= 2=
1 2
36
37
38
Frequncia
0,15
0,15
0,38
13
0,25
14
0,07
Fonte: Elaborado pelo prprio autor.
39
permitir que, dada uma distribuio de frequncia, por exemplo, como citado na
Tabela 01, possamos gerar valores da varivel que, ao longo do processo de
simulao, obedeam distribuio de frequncias original. Uma das abordagens
mais conhecidas que usaremos aqui o chamado Mtodo Monte Carlo.
40
Para simulaes feitas manualmente, com intuito didtico, vamos usar uma
Tabela de nmeros aleatrios. Vejamos a Tabela 02 abaixo, que ser usada em
exemplos, exerccios e inclusive nos problemas propostos. Por uma questo de
convenincia, a tabela constituda de nmeros com cinco dgitos, mas isso
arbitrrio, ou seja, poderamos construir a Tabela com nmeros de um s dgito,
dois dgitos, trs dgitos, entre outros. Na verdade, conceitualmente, os nmeros
ao acaso podem ser entendidos como sequncias aleatrias dos dgitos 0,1, 2,
41
1
; havendo reposio da bola que saiu, a
10
1
.
10
42
43
Valor
Frequncia
Frequncia
acumulada
0,15
0,15
0,15
0,30
0,38
0,68
13
0,25
0,93
14
0,07
1,00
Fonte: Elaborado pelo prprio autor.
44
Valor
Frequncia
Frequncia
Nmeros
acumulada
atribudos
0,15
0,15
00 a 14
0,15
0,30
15 a 29
0,38
0,68
30 a 67
13
0,25
0,93
68 a 92
14
0,07
1,00
93 a 99
45
46
Frequncia Real
Frequncia
Simulada
0,15
0,30
0,15
0,05
0,38
0,325
13
0,25
0,175
14
0,07
0,15
Fonte: Elaborado pelo prprio autor.
Dado
Dado
Soma
Dado
Dado
B
3
Soma
B
6
47
10
11
10
11
10
12
que
nos
permitiu,
com
facilidade,
atribuir
os
nmeros
Frequncia Real
Frequncia
Frequncia
Faixa
de
Acumulada
Acumulada
Nmeros
(milsimos) atribuda
2
1/36
1/36
0,028
000 027
2/36
3/36
0,056
028 055
3/36
6/36
0,177
056 176
48
4/36
10/36
0,278
177 277
5/36
15/36
0,417
278 416
6/36
21/36
0,583
417 582
5/36
26/36
0,722
583 721
4/36
30/36
0,833
722 832
10
3/36
33/36
0,917
833 916
11
2/36
35/36
0,972
917 971
12
1/36
36/36
1,000
972 999
49
Figura 14: Nmeros ao Acaso: Mdia Simulada aproximadamente igual Mdia Real.
Fonte: Elaborado pelo prprio autor.
50
51
A DISTRIBUIO DE POISSON
P(k) =
ke
k!
52
P(k)
Probabilidades Faixa
Acumuladas
de
Nmeros
atribuda
0,301
0,301
000 300
0,361
0,662
301 661
0,217
0,879
662 878
0,087
0,966
879 965
0,026
0,992
966 991
0,006
0,998
992 997
0,002
1,000
998 999
53
54
Frequncia
Frequncia
Faixa
estimada
Acumulada
Nmeros
800.000
0,20
0,20
00 19
700.000
0,40
0,60
20 59
600.000
0,25
0,85
60 84
500.000
0,15
1,00
85 99
de
Frequncia
Frequncia
Faixa
estimada
Acumulada
Nmeros
400.000
0,10
0,10
00 09
500.000
0,40
0,50
10 49
600.000
0,30
0,80
50 79
700.000
0,20
1,00
80 99
de
55
56
Coeficiente
Beneficio/Custo
de Nmero de Frequncia
Ocorrncias
- 0,4
0,025
- 0,2
0,025
- 0,17
0,05
0,15
0,125
0,05
0,14
0,1
0,17
0,1
0,25
0,15
0,29
0,175
0,33
0,1
0,375
0,075
Total
40
1,000
Fonte: Elaborado pelo prprio autor.
k e
k!
57
Onde:
k = nmero de carros chegando ao guich em um dado minuto
P(k)
Probabilidades Faixa
Acumuladas
de
Nmeros
atribuda
0,165
0,165
000 164
0,298
0,463
165 462
0,268
0,731
463 730
0,161
0,892
731 891
0,072
0,964
892 963
0,026
0,990
964 989
0,008
0,998
990 997
0,002
1,000
998 999
Nmero
Nmero
Nmero
Nmero
Nmero
Nmero
ao acaso
de carros ao acaso
de carros ao acaso
de carros
chegando
chegando
chegando
58
ao guich
ao guich
ao guich
294
130
561
079
021
038
904
518
784
977
831
646
766
205
894
177
700
254
258
758
019
112
425
825
037
490
766
314
920
003
858
664
449
175
953
661
092
806
198
427
544
831
781
108
696
881
040
049
395
530
923
837
536
353
395
073
389
711
767
959
Nmero
de
chegando ao guich
0
0,165
0,217
59
0,298
0,267
0,268
0,200
0,161
0,217
0,072
0,083
0,026
0,017
0,008
0,002
Probabilidade
(unidades)
Probabilidade
Faixa
de
Acumulada
nmeros
50.000
0,15
0,15
00 14
100.000
0,25
0,40
15 39
150.000
0,35
0,75
40 74
60
200.000
0,25
1,00
75 99
Probabilidade
(R$)
Probabilidade
Faixa
de
Acumulada
nmeros
70
0,20
0,20
00 19
90
0,40
0,60
20 59
120
0,40
1,00
60 99
Probabilidade
Faixa
de
(R$)
Acumulada
nmeros
120
0,10
0,10
00 09
130
0,20
0,30
10 29
140
0,40
0,70
30 69
150
0,30
1,00
70 99
61
Logo,
(1)
(2)
(3)
(4)
(5)
(6)
(7) = (6 4)
Nmero
Demanda
Nmero
Custo
Nmero
Preo
ao
(unidades) ao
Unitrio
ao
de
5.000.000,0
(R$)
acaso
Venda
(R$)
Lucro (R$)
acaso
acaso
(2)
53
150.000
05
70
63
140
5.500.000
37
100.000
10
70
48
140
2.000.000
61
150.000
90
120
20
130
- 3.500.000
62
78
200.000
04
70
24
130
7.000.000
68
150.000
93
120
94
150
- 500.000
54
150.000
94
120
88
10
- 500.000
82
200.000
48
90
98
150
7.000.000
60
150.000
86
120
60
140
- 2.000.000
49
150.000
81
120
16
130
- 3.500.000
19
100.000
67
120
02
120
- 5.000.000
16
100.000
75
120
98
150
- 2.000.000
49
150.000
90
120
52
140
- 2.000.000
35
100.000
02
70
06
120
99
200.000
28
90
85
150
7.000.000
24
100.000
27
90
85
150
1.000.000
66
150.000
62
120
05
120
24
100.000
53
90
74
150
1.000.000
57
150.000
61
120
99
150
- 500.000
04
50.000
48
90
19
130
2.000.000
76
200.000
36
90
86
150
7.000.000
Soma
20.000.000
Lucro
1.000.000
Mdio
Fonte: Elaborado pelo prprio autor.
20.000.000
= R$1.000.000,00. Considerando-se o
20
63
REFERNCIAS
ANDERSON, Sweeney, Williams. Estatstica Aplicada Administrao e
Economia. So Paulo: Pioneira, 2003.
ANDRADE, Eduardo Leopoldino de. Introduo Pesquisa Operacional:
mtodos e modelos para a anlise de deciso. 2 Edio. Rio de Janeiro: LTC
Editora, 2002.
CORRER, Luiz J. THEFILO, Carlos Renato. Pesquisa Operacional: para a
deciso em Contabilidade e Administrao. Contabilometria. 1 Edio. So
Paulo: Editora Atlas, 2004.
FONSECA, Jairo S. da; MARTINS, Gilberto de A.. Curso de estatstica. 6. ed..
So Paulo: Atlas, 2009.
HORNGREN, Charles T. ET AL. Contabilidade de custos. 9 ed. Rio de Janeiro:
LTC, 1997.
LACHTERMACHER, Gerson. Pesquisa Operacional na tomada de decises. 4
Ed. So Paulo: Pearson Prentice Hall, 2009.
MARTINS, Gilberto de Andrade. Estatstica geral e aplicada. 3. ed.. So Paulo:
Atlas, 2010.
MILONE, Giuseppe. Estatstica geral e aplicada. So Paulo: Cengage Learning,
2009.
MOORE, David. A Prtica da Estatstica Empresarial: como usar dados para
tomar decises. Rio de Janeiro: LTC Editora, 2006.
MOREIRA, Daniel Augusto. Pesquisa Operacional: curso introdutrio. So
Paulo: Thomson Learning, 2007.
MORETTIN, Pedro A.; BUSSAB, Wilton de O. Estatstica bsica. 6. ed.. So
Paulo: Saraiva, 2010.
RAGSALE, Cliff T. Modelagem e Anlise de Deciso. Edio Revisada. So
Paulo: Cengage Linerning, 2009.
SILVA, ERMES MEDEIROS da; SILVA, ELIO MEDEIROS da; GONALVES,
VALTER; MUROLO, AFRNIO C.. Pesquisa Operacional. So Paulo: Editora
Atlas, 1998.