PESQUISA OPERACIONAL

AULA 5

Prof. José de Souza Leal Neto

 CONVERSA INICIAL

Neste momento, iniciamos o estudo de um novo assunto, filas. Sabemos

que “as filas (filas de espera) fazem parte do dia a dia de nossa vida. Todos nós
esperamos em uma fila para: comprar o ingresso para uma sessão de cinema,
fazer um depósito bancário, pagar as compras em um supermercado, remeter
um pacote no correio...” e consideramos a espera em tais situações como
comum, bem como a irritação, quando temos que esperar muito em fila até
sermos atendidos (Hillier; Lieberman, 2010).
Um dos sintomas mais frequentes de que um sistema funciona de forma
deficiente é a existência de congestionamento de clientes. Quando sempre
existem clientes à espera de atendimento em um banco, por exemplo, é sinal de
que o número de caixas não está dimensionado de maneira adequada de forma
a minimizar o tempo de espera em fila (Andrade, 2009).
Por mais que se quantifique, obtenha-se um padrão estatístico da
formação de filas e do processo de atendimento e se empreguem modelos
matemáticos ao estudo de filas, é fato que sempre ocorrerá uma aleatoriedade
na ocorrência de chegadas de clientes e, principalmente, que cada cliente possui
o seu tempo de atendimento, específico, uma vez que as demandas existentes
de cada um são peculiares e únicas.
O fato é que filas estarão sempre presentes na rotina do administrador e
quando este compreende a dinâmica de sua formação, as suas características
e, principalmente, que é possível desenvolver um estudo mais detalhado sobre
o cenário em que a fila ocorre, será capaz de tomar decisões com mais
segurança para realizar as devidas intervenções e correções, quando estas
forem necessárias.
O objetivo da presente rota de aprendizagem é introduzir os conceitos de
teoria das filas e destacar, a partir da dinâmica que envolve a formação de filas,
que a sua existência nem sempre significa uma ineficiência operacional.

CONTEXTUALIZANDO

Uma percepção inicial a respeito da qualidade de atendimento realizada

pelos bancos comerciais é, praticamente, uma unanimidade: a estrutura
existente é inapropriada, subdimensionada etc., pois, em regra, os clientes se
deparam com filas naqueles estabelecimentos. Entretanto, em determinados

2
 dias do mês, praticamente não há filas. Isto se deve ao fato de que os
pagamentos de salários, de impostos, de taxas e contas são concentrados em
determinados dias do mês, além do que as pessoas possuem o hábito de ir ao
banco no período de intervalo de almoço.
Outro setor que aparentemente podemos considerar como
subdimensionado é o sistema de transporte público, porque nos períodos de
início e término de expediente ocorre uma saturação de usuários nos
pontos/estações de ônibus e também nos ônibus. Ocorrem também filas nas
padarias, nos cinemas, nos supermercados... Esses diversos serviços podem
até ser aperfeiçoados, e o tempo de espera em fila, amenizado, no entanto
sempre haverá fila.
“Grandes ineficiências também ocorrem por causa de outros tipos de
espera, além daquelas de pessoas que esperam em fila. Por exemplo, deixar
máquinas à espera para ser reparadas pode representar perda de produção”,
além de veículos como navios e caminhões, que, se forem descarregados fora
do cronograma, atrasam os embarques seguintes (Hillier; Lieberman, 2010).
Assim, para melhor compreensão das situações comentadas
anteriormente, estudamos a teoria das filas, que tem por objetivo compreender
a dinâmica das filas e caracterizá-las por equações matemáticas. Uma vez que
o administrador compreender esta dinâmica, os fenômenos inerentes às filas,
poderá diagnosticar de forma apropriada se o sistema está saturado e,
consequentemente, se necessita ser adequado ou se as filas ocorrem como
consequência natural do processo randômico de chegada dos clientes, do
processo de atendimento etc.
Entretanto, a presente aula ter por objetivo fazer uma breve exposição
sobre filas, pois não será possível esgotar o tema. Assim, inicialmente será
apresentado um curto histórico, conceitos e áreas de aplicações da teoria das
filas. Em seguida serão explicados os elementos e as características de filas,
bem como a dinâmica da formação de filas, ampliando, posteriormente, os
conceitos básicos de filas. Por fim, será realizada uma introdução aos modelos
de filas.

TEMA 1 – TEORIA DAS FILAS: HISTÓRICO, CONCEITOS E APLICAÇÕES.

A teoria das filas é um método analítico que aborda o assunto por meio
de fórmulas matemáticas (Prado, 2006) e “trata de congestionamento de
3
 sistemas, cuja característica principal é a presença de ‘clientes’ solicitando
‘serviços’ de alguma maneira” (Andrade, 2009). Quando se refere a um sistema
de filas, basicamente se refere à existência de elementos (clientes) que estão
aguardando um posto de serviço (atendente) ficar disponível para serem
atendidos (Andrade, 2009). A seguir são apresentados histórico e conceitos
iniciais referentes à filas.
Aspectos históricos: A abordagem matemática de filas foi iniciada no
início do século XX (1908) em Copenhague, Dinamarca, por A. K. Erlang,
considerado o pai da teoria das filas, que estudou o problema de
redimensionamento de centrais telefônicas quando trabalhava em uma
companhia telefônica. Somente após a Segunda Guerra Mundial é que a teoria
foi aplicada a outros problemas de filas. Apesar do enorme progresso alcançado
pela teoria, inúmeros problemas não são adequadamente resolvidos (Prado,
2006).
O que são filas? A nossa rotina diária nos permite identificar exatamente
o que são filas. Nós entramos em uma fila para fazer retirada em um caixa
eletrônico, para pagar as compras em um supermercado, para comprar
ingressos em um cinema, para pagar o pedágio em uma rodovia e em tantas
outras situações. Filas também existem em ambientes de produção, tais como
de lingotes aquecidos em uma aciaria, esperando pelo serviço de lingotamento,
ou de caminhões em um serviço de terraplenagem, esperando, junto a uma
carregadeira, a vez de serem carregados.
Não é necessário que exista, na verdade, uma fila física de espera
formada em frente a uma estrutura física, parte da instalação de atendimento.
Pode ser o caso, por exemplo, de os integrantes da fila estarem dispersos por
certa área, à espera da chegada de um atendente, como máquinas que
aguardam conserto. Outro tipo de fila que não pode ser visualizada é uma lista
no computador referentes a pedidos de manufatura em uma fábrica de
geladeiras. Em outras situações, não há ordem de atendimento em razão de a
fila não estar materializada, “enfileirada”, mas sim dispersa, por exemplo
pessoas em uma barbearia, esperando por sua vez de cortar o cabelo, aviões
sobrevoando um aeroporto, esperando pela vez de aterrissar, ou navios
fundeados no litoral, esperando pela vez de atracar no porto para descarga/carga
(Prado, 2006; Hillier; Lieberman, 2010).

4
 Filas não são simpáticas. Certamente não é agradável permanecer em
uma fila e esperar pelo serviço (o desejo do cliente é ser imediatamente atendido
assim que chegar no local de serviço), e, quando a espera é longa, ficamos
irritados. Em consequência de nossas incômodas experiências em filas,
podemos evitar fazer compras em um determinado supermercado, até mesmo
realizando um deslocamento maior, bem como mudar a nossa conta bancária
para outra agência (ou banco) etc. Isso significa perda de faturamento para o
supermercado, para a agência (banco) ou para qualquer outra empresa.
Entretanto, apesar de não serem simpáticas e de causarem prejuízos, temos que
conviver com filas na vida real, visto ser financeiramente inviável
superdimensionar um sistema para que nunca ocorram filas. O que se tenta obter
é um balanceamento adequado que permita um atendimento aceitável pelo
melhor custo e o melhor benefício.
A existência de filas sempre ocorrerá nos mais variados ambientes, indo
de fábricas a supermercados, trazendo consigo o lado desfavorável do custo.
Por exemplo, nas fábricas, a existência de fila em um determinado equipamento
pode gerar aumento nos tempos do ciclo de produção, o que, por sua vez, pode
significar aumento nos custos e atrasos no atendimento aos pedidos dos clientes
(Prado, 2006).
A teoria das filas estuda a situação de “espera” nas mais variadas formas
e emprega “modelos de filas para representar os diversos tipos de sistemas de
filas (sistemas que envolvem filas do mesmo tipo) que surgem na prática. As
fórmulas para cada modelo indicam como o sistema de filas correspondente
deve funcionar”. Tais modelos são muito úteis para determinar como operar de
forma mais eficiente um sistema de filas (Hillier; Lieberman, 2010).
Aplicações: Andrade (2009) nos apresenta algumas aplicações da teoria
das filas em administração, as quais são listadas a seguir:

 Estabelecimento de uma política de atendimento ao público em empresas

concessionárias de serviços públicos, determinando o número de
atendentes e a especialização de cada um.
 Estudo de um sistema de almoxarifado, de modo a determinar os custos
totais de operação.
 Estudo da operação de um centro de processamento de dados com o
objetivo de determinar políticas de atendimento e prioridades para
execução de serviços.
5
  Determinação de equipes de manutenção em grandes instalações, onde
há custos elevados associados a equipamentos danificados, à espera de
reparos.
 Estudo de operação de caixas (bancos, supermercados etc.) com o
objetivo de estabelecer uma política ótima de atendimento ao público;
 Determinação de capacidade em pátios de estacionamentos de
automóveis.

Saiba mais
Leia a introdução do capítulo 15 e o item 15.1 do Taha e procure
compreender o contexto dos problemas apresentados no ‘conjunto de
problemas 15.1A’. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/247>.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8. ed. São Paulo:
Pearson Prentice Hall, 2008.
Acesse o endereço a seguir e assista ao vídeo sobre teoria das filas:
<https://www.youtube.com/watch?v=uNkHa1g5Pwg>.

TEMA 2 – SISTEMA DE FILAS: ELEMENTOS, CARACTERÍSTICAS E MEDIDAS

DE EFETIVIDADE

Conforme Andrade (2009) nos informa, há diversos fatores que possuem

tanta influência na operação de um sistema de filas que seu desempenho passa
a ser função deles. Entre tais fatores estão: a estrutura do sistema, o
processo/modo de chegada dos clientes, a disciplina da fila, a forma de
atendimento etc. Neste tema de ensino, esses fatores e outros são apresentados
a fim de que você compreenda melhor a operação dos sistemas de filas.
Elementos de uma fila: Na Figura 1 é apresentado o processo básico
suposto pela maioria dos modelos de filas, no qual clientes que necessitam de
atendimento são gerados de uma certa população. Tais clientes entram no
sistema de filas e pegam uma fila, e, em dado momento, um integrante da fila
é selecionado para o atendimento por alguma regra conhecida como disciplina
de fila. Cliente é um termo genérico que pode designar uma pessoa, um navio,
um lingote etc. Os termos “transação” ou “entidade” podem ser empregados
como sinônimo de cliente. O atendimento é realizado por um ou mais

6
 servidores (ou atendentes ou canais de serviço) e pode designar um médico,
um cais de atracação, uma máquina de lingotamento etc. Após o atendimento, o
cliente deixa o sistema de filas (Prado, 2006; Hillier; Lieberman, 2010).

Figura 1 – Elementos de uma fila

Fonte: Prado, 2006.

Características de uma fila. Os elementos principais que caracterizam

um fila são:

 Clientes e tamanho da população. O tamanho é o número total de

possíveis clientes distintos. Um cliente sempre será proveniente de uma
população, a qual pode possuir um tamanho infinito ou finito. Como os
cálculos são bem mais fáceis para o caso em que a população é infinita,
parte-se dessa hipótese, mesmo quando o tamanho real for um número
finito relativamente grande. Esta é a hipótese implícita para qualquer
modelo de filas que não afirme o contrário. No caso da população infinita,
a chegada de um novo cliente a uma fila não afeta a taxa de chegada de
clientes subsequentes, e pode-se afirmar que as chegadas são
independentes. O caso da população finita é mais difícil analiticamente,
pois o número de clientes no sistema de filas afeta o número de possíveis
clientes fora do sistema a qualquer momento (Prado, 2006; Hillier;
Lieberman, 2010).
 Processo de chegada. “A chegadas de clientes a um sistema ocorrem,
na maioria das dos casos que têm interesse para a administração, de
modo aleatório, ou seja, o número de clientes que chegam por unidade te
tempo, varia segundo o acaso” (Andrade, 2009). A hipótese comum é que
os clientes são gerados de acordo com um processo de Poisson

7
 (distribuição de Poisson), e uma hipótese equivalente é que a distribuição
probabilística do tempo entre as chegadas consecutivas possui uma
distribuição exponencial (Prado, 2006; Hillier; Lieberman, 2010). Um
processo de chegada regular, ou seja, aquele em que não existe nenhuma
variação entre os valores para os intervalos entre chegadas é raro de
acontecer, porém ocorre apenas em processos altamente automatizados.
Nesta situação, se dissermos que o intervalo entre chegadas é de 10
segundos, teremos que rigorosamente a cada 10 segundos chega um
novo cliente (Prado, 2006).

Consideremos o exemplo de um posto de pedágio com 5 atendentes.

Poderíamos constatar que chegam (processo de chegada) entre 7 e 8 horas da
manhã 20 automóveis por minuto ou 1 automóvel a cada 3 segundos. Trata-se
de um valor médio, pois não significa que chegarão 20 automóveis em intervalos
fixos de 1 minuto. Em alguns intervalos de 1 minuto poderão chegar 10, 15, 25
ou até mesmo 30 automóveis. Da mesma forma, o intervalo de 3 segundos
entres chegadas não é rígido, e poderíamos constatar valores, por exemplo,
desde zero segundo (2 veículos chegando juntos) até 20 segundos. Portanto, o
intervalo de 3 segundos representa o intervalo médio entre chegadas no período
de 7 a 8 horas da manhã. A partir dos dados apresentados, podemos quantificar
o processo de chegada dizendo que a taxa média de chegada é de 20 veículos
por minuto ou que o intervalo médio entre chegadas é de 3 segundos (Prado,
2006).
Entretanto, para se chegar a tais valores, o mais adequado é realizar um
levantamento estatístico de forma a descobrir se o processo de chegada pode
ser caracterizado por uma distribuição de probabilidades (distribuição normal,
Poisson, exponencial etc.) e se ele se encontra no chamado “estado
estacionário”, ou seja, quando a distribuição de probabilidade que identifica o
processo hoje será a mesma de amanhã (Pradro, 2006; Andrade, 2009).
Resumindo, quando se estudam filas, o ritmo de chegada é uma
importante variável randômica. Para quantificar esta variável se usa a letra grega
λ para significar ritmo médio de chegada e se usa IC para o intervalo médio
entre chegadas. Assim, no exemplo acima temos: λ = 20 clientes por minuto e
IC = 3 segundos.

8
 Existem situações em que o ritmo de chegada sofre variações durante o
dia. Por exemplo, em um banco a chegada de clientes é mais intensa no período
do almoço.

 Processo de atendimento. A priori, os postos de atendimentos são

formados por pessoas, instalações e equipamentos que devem operar
harmonicamente para prestar um bom serviço. Um modelo de filas deve
especificar a disposição das instalações e o número de atendentes em
cada uma delas. Consequentemente, para aperfeiçoar o desempenho do
sistema, o administrador pode atuar em diversos elementos, tais como:
dimensionamento da capacidade de atendimento, treinamento dos
atendentes, processos administrativos etc. (Andrade, 2009; Hillier;
Lieberman, 2010).

Retornando ao exemplo do pedágio, ao observarmos um atendente em

serviço, poderíamos constatar, por exemplo, que ele atende 6 veículos por
minuto ou que gasta 10 segundos para atender um veículo. Tais valores são
médios, e, para descrevê-los corretamente, o melhor é caracterizá-lo em uma
distribuição de probabilidades. Aqui também será raro identificarmos um
atendimento regular, ou seja, a existência de um único valor (sem variação) para
a duração do atendimento (Prado, 2006).
O processo de atendimento é também quantificado por uma importante
variável randômica. A letra grega µ é usada para significar o ritmo médio de
atendimento, e se usa TA para tempo ou duração média do serviço ou
atendimento, que é o tempo decorrido entre o início do atendimento até o seu
término. Em geral, pressupõe-se que todos os atendentes possuem a mesma
distribuição probabilística de tempo de atendimento, e a distribuição que se
supõe com mais frequência na prática é a distribuição exponencial; outra
também considerada é a distribuição Erlang (gama). Considerando o exemplo
acima, temos: µ = 6 clientes/minuto, e TA = 10 segundos/cliente (Prado, 2006;
Hillier; Lieberman, 2010).

 Número de servidores. A maioria dos modelos elementares parte do

pressuposto de uma instalação de atendimento com um atendente (o
sistema mais simples) ou com um número finito de atendentes. Um
atendente não precisa ser um único indivíduo, mas pode ser constituído
por um grupo de pessoas, por uma equipe de manutenção etc. Conforme

9
 aumente o ritmo de chegada, podemos manter a qualidade do serviço
aumentando convenientemente o número de servidores. Esta é, portanto,
uma das características de uma fila que podemos utilizar par modelar um
sistema de filas. Na Figura 1, temos 3 servidores (Prado, 2006; Hillier;
Lieberman, 2010).
 Disciplina da fila. A disciplina da fila se refere à ordem na qual
integrantes da fila são selecionados para atendimento. Normalmente,
para modelos de filas, adota-se a ordem de chegada, ou seja, “o primeiro
a chegar é o primeiro a ser atendido” (em inglês diz-se FIFO: First In First
Out). Outras disciplinas podem existir, tais como “último a chegar, primeiro
a ser atendido” (em inglês diz-se LIFO: Last In First Out), serviço por
ordem de prioridade, serviço randômico, prioridade de certas classes etc.
(Prado, 2006; Andrade, 2009; Hillier; Lieberman, 2010).
 Medidas de efetividade de um sistema. No estudo de um sistema,
podemos determinar várias medidas de desempenho do sistema, como
as apresentadas a seguir. A escolha do parâmetro depende do objetivo
do estudo (Prado, 2006; Andrade, 2009).
 Tamanho médio da fila. Basicamente, é o número médio de clientes
existentes em uma fila, por uma unidade de tempo, e, via de regra, é a
principal referência que consideramos para decidir qual fila escolheremos.
Por exemplo, considere que um cliente em um supermercado deseja
chegar e ser atendido de imediato pelo caixa (fila zero), mas, como isto é
raro de ocorrer, ele escolhe efetuar o pagamento em um caixa que possua
a menor quantidade de clientes em fila. Quando uma fila é de um tamanho
razoável (digamos 10 clientes), intuitivamente sabemos que o tempo de
espera na fila será longo. Assim, o supermercado dimensiona a
quantidade de caixas de modo que, a qualquer momento, os clientes não
sintam um grande desconforto ao escolher uma fila (Prado, 2006).
 Tamanho máximo da fila (Prado, 2006). Quando os clientes devem
esperar, alguma área de espera deve existir, por exemplo: cadeiras para
os clientes a espera de caixa livre em um banco; caminhões
embarcando/desembarcando mercadorias em um CD etc. De forma
pragmática, na vida real, os sistemas existentes são dimensionados para
uma certa quantidade máxima de clientes em espera, a partir do
conhecimento empírico, ou seja, da experiência. Quando existe um

10
 crescimento na demanda, faz-se uma ampliação do serviço de
atendimento, também, baseada na experiência empírica do
funcionamento daquele sistema. Além disso, podem-se observar
situações nas quais um novo cliente que chega pode ser recusado,
devendo tentar novamente em outro instante (exemplo: agendamento de
consulta médica).
 Tempo médio de espera na fila (Prado, 2006). Esperar em fila pode
gerar irritação, pois cada cliente possui uma expectativa de tempo a ser
gasto em uma fila. O ideal é que não houvesse tempo de espera, o que
nem sempre é possível do ponto de vista econômico. Se entrarmos numa
fila com 10 pessoas à nossa frente, o tempo de espera será igual ao
somatório dos tempos de atendimento de cada um dos clientes à nossa
frente ou, possivelmente, será igual a 10 vezes a duração média de
atendimento. Tal como o tamanho médio da fila, o tempo médio de espera
depende dos processos de chegada e de atendimento.
 Ocupação do posto de atendimento (Andrade, 2009). Pode-se verificar
pelo percentual de tempo ocioso/ocupado se o posto de atendimento está
superdimensionado ou subdimensionado.
 Tempo médio no sistema (Andrade, 2009). É a média dos tempos gastos
pelo cliente desde o instante de sua entrada até o momento de sua saída
do sistema. Esta medida é significativa quando se contextualiza uma
operação dentro de um período de jornada de trabalho de 8 horas/dia. Um
tempo médio acima de 8 horas/dia pode implicar em custos adicionais ou
na necessidade de criar novos turnos de trabalho, o que também gera
custos adicionais.

Saiba mais
Leia o Item 15.2 do Taha e procure resolver o conjunto de problemas
15.2ª. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/249>.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8. ed. São Paulo:
Pearson Prentice Hall, 2008.
Acesse o endereço a seguir e assista ao vídeo sobre Sistemas de Filas:
<https://www.youtube.com/watch?v=gegv9FkGctQ>.

11
 TEMA 3 – A DINÂMICA DE UMA FILA

O exemplo apresentado neste tema tem por objetivo caracterizar a

aleatoriedade que ocorre no processo de formação e de atendimento em um
sistema de filas. Apesar de não abordarmos a caracterização da distribuição de
probabilidade do processo de formação e de atendimento, destacamos, a partir
dos argumentos de Andrade (2009), que os primeiros passos para estudar um
sistema de filas é realizar um levantamento estatístico do processo/modo de
chegada dos clientes em um determinado período e do número de clientes
atendidos por unidade de tempo, ou do tempo gasto em cada atendimento, a fim
de poder caracterizar o tempo de chegada e de atendimento por uma distribuição
de probabilidade. A situação mais comum é que os clientes cheguem de forma
aleatória na chegada, e no atendimento ocorre uma duração aleatória, pois cada
cliente exige um tempo próprio para solucionar seus problemas.
Exemplo: uma fila de caixa. Imagine-se, neste momento, sentado
confortavelmente, observando a movimentação de clientes na padaria Le Petit
Pain e avaliando a dinâmica que ocorre na formação da fila de clientes, que
esperam a sua vez para serem atendidos pelo caixa da padaria (Prado, 2006,
adaptado).
Chegada. Em um período de meia hora, você verificou que chegaram ao
sistema (caixa da padaria) 12 clientes e que os intervalos entre as chegadas dos
clientes, a partir do instante zero, estão apresentados na Tabela 1.

Tabela 1 – Chegada ao sistema

Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Média
Intervalo de chegada
2 3 3 3 5 0 1 5 1 4 1 2 2,5
(min)
Momento: chegada de
3 6 9 12 17 17 18 23 24 28 29 31
um novo cliente (min)

Observe que o valor zero referente ao sexto cliente significa que ele
chegou junto com o quinto cliente no início do 17º minuto. A linha “Momento”
significa o instante da chegada do novo cliente, obtido a partir de acumulações
da linha “Intervalo” acrescido de 1, para significar o início do próximo intervalo
de tempo. Assim, o primeiro cliente chegou no início do 3º minuto, o segundo
cliente chegou no início do 6º minuto, o terceiro cliente chegou no início do 9º
minuto etc.

12
 O valor médio dos intervalos de chegada dos clientes é de 2,5 minutos
(que é a soma de todos os intervalos de chegada, dividido pelo número de
clientes), e, portanto, o sistema acima (fila do caixa) funcionou com um ritmo
médio de 24 chegadas por hora, já que chegaram 12 clientes em 30 minutos, ou
seja, λ = 30 clientes por hora, e TA = 2 minutos.

 Atendimento. A partir da observação do comportamento do sistema,

foram obtidos os dados referentes a cada atendimento, conforme
apresentados na Tabela 5.2.

Tabela 2 – Tempo de atendimento

Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Média
Duração
1 2 1 1 3 2 1 4 2 3 1 3 2
(min)

O valor médio dos dados acima é de 2,0 minutos (duração média de

atendimento), e, portanto, podemos dizer que o servidor (caixa) tem uma
capacidade de atender 30 clientes por hora, ou seja: µ = 30 clientes por hora, e
TA = 2 minutos.

 Dinâmica do funcionamento. O sistema funciona conforme apresentado

na Figura 2. A linha central indica o momento de chegada de cada cliente.
Na parte superior é indicado o momento em que o cliente inicia e conclui
o seu atendimento. Na parte inferior, é representada a formação de fila,
quando o atendente está ocupado com outro cliente, que chegou antes.

Figura 2 – Funcionamento da fila na padaria

ATENDIMENTO

1 2 3 4 5 8 12
6 9
7 10
11

5 10 15 20 25 30 35

7 12
FILA

6 9 10 11

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 31 32 33 34 35

A partir da Figura 2 se verifica que:

13
  O 1º cliente chegou à fila da padaria no início do 3º minuto, e seu
atendimento durou 1 minuto (e, consequentemente, encerrou-se no final
do 3º minuto);
 O 5º cliente chegou à fila da padaria no início do 17º minuto, e seu
atendimento durou 3 minutos (e, assim, encerrou-se no final do 19º
minuto);
 O 6º cliente chegou à fila da padaria simultaneamente com o 5º cliente,
no 17º minuto, e, então, teve que esperar na fila até completar o
atendimento do 5º cliente (3 minutos), o que ocorreu no final do 19º
minuto. Então, no início do 20º minuto, foi iniciado o atendimento do 6º
cliente, que se estendeu até o final do 21º minuto;
 O 7º cliente chegou à fila da padaria no 18º minuto e encontrou o caixa
ocupado (em atendimento ao 5º cliente). Além disso, o 6º cliente também
estava na fila. O atendimento do 7º cliente se iniciou no 22º minuto e durou
1 minuto;
 Além dos clientes de número 6 e 7, também os clientes de número 9, 10,
11 e 12 tiveram que esperar na fila;
 O último cliente (12º) saiu do atendimento no final do 35º minuto.
 A partir da Figura 2, obtiveram-se os tempos em fila de cada cliente,
conforme apresentado na Tabela 3.

Tabela 3 – Tempo de fila

Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Média
Tempo de
0 0 0 0 0 3 4 0 3 1 3 2 1,33
Fila (min)

Dos tempos de fila acima, pode-se concluir o seguinte: 35º minuto: saída
do último cliente
o Total de clientes atendidos: 12;
o Tempo Médio na Fila (TMF) = (3+4+3+1+3+2) / 12 = 16/12 = 1,33
minutos;
o Número Médio na Fila (NMF) = (3+4+3+1+3+2) / 35 = 16/35 = 0,46
clientes

 Um fato curioso. Você pode verificar que:

o λ = 24 clientes por hora (IC = 2,5 minutos);
o µ = 30 clientes por hora (TA = 2 minutos).

14
 Ou seja, a capacidade de atendimento (µ) é superior ao ritmo de chegada
(λ). Mesmo assim, houve formação de fila. A formação de filas ocorre porque
os clientes não chegam ao caixa em tempos fixos e regulares de 2,5 minutos,
mas de forma randômica. Portanto, pode-se concluir que, quando µ > λ,
provavelmente ocorrerá a geração de fila, e quando µ ≤ λ, certamente haverá
fila.
Ao se analisar a aleatoriedade do processo, verifica-se que:

 O prazo total foi acrescido de 3 minutos. Se os clientes chegassem de

forma regular, o 12º cliente sairia no 32º minuto (2,5 minutos x 12 clientes
= 32), pois não haveria fila, uma vez que o atendimento é de apenas 2
minutos e, consequentemente, nunca haveria fila. Mas, como há a
aleatoriedade, o último cliente saiu no 35º minuto;
 O prazo médio de atendimento individual (2 minutos) foi acrescido pelo
tempo médio de fila de 1,33 minuto, ou seja, na média um cliente gasta
3,33 minutos dentro do sistema.

Quando efetuamos dimensionamento de sistemas, procuramos minimizar

tais efeitos, seja pela modificação de fluxos, pela colocação de mais atendentes,
pela utilização de melhores atendentes etc., logicamente considerando sempre
proporcionar um nível de serviço, de atendimento, compatível com os custos
previstos para tal nível.
Sistemas estáveis (Prado, 2006). Para se realizar uma abordagem
matemática de filas pela teoria das filas, é necessário que o fluxo de chegada e
o processo de atendimento dos clientes sejam estáveis, ou seja, os valores λ e
µ devem permanecer constantes no tempo. Caso contrário, melhor usar software
de simulação por ser a ferramenta mais adequada, pois a teoria das filas é
limitada em sua capacidade de prover soluções para todos os cenários de filas.
Contudo, é possível fazer uso de um artifício como dividir o período total em
períodos parciais, porém isso torna ainda mais complexa a abordagem pela
teoria das filas.
Outra exigência para que o processo seja considerado estável é que os
atendentes sejam capazes de atender ao fluxo de chegada, mas, conforme
verificado no exemplo apresentado acima, é provável que ocorra a formação de
filas em sistemas nos quais µ > λ, porque é sempre possível a ocorrência de
situações “imprevistas”, como:

15
  A chegada em determinado instante de mais clientes do que a capacidade
de atendimento daquele momento, gerando filas temporárias;
 O tempo de atendimento de um determinado cliente pode ser muito
superior à média, obrigando os clientes que chegam posteriormente a
ficarem em fila.

Em sistemas estáveis, todas as características randômicas das filas

(tamanho médio da fila, tempo médio de espera, tempo médio de atendimento
etc.) se mantêm estáveis o tempo todo, ou seja, com seus valores oscilando em
torno de um valor médio.
Dimensionando filas (Prado, 2006). O estudo de fila para dimensionar
sistemas tem por objetivo prestar um melhor atendimento aos clientes ou para
obter uma redução de custos do funcionamento do sistema. A seguir são
apresentadas considerações válidas para qualquer situação: sistemas estáveis
ou não.
 A escolha inicial: a qualidade do atendimento. O dimensionamento de
um sistema, no qual haverá filas, é determinado pelo nível de serviço que
será fornecido aos clientes, ou seja, a qualidade do atendimento que está
vinculada diretamente à capacidade de atendimento a ser implantada. As
opções para determinar a capacidade de atendimento, são:

• atendimento para a média de chegada;

• atendimento para o pico de chegada;
• atendimento para momentos especiais.

 Obtenção de dados: o tamanho da amostra. Para realizar um estudo

de qualquer sistema, é necessário que se obtenham dados, a partir dos
quais seja possível caracterizar seu comportamento e, assim, fazer o seu
correto dimensionamento. Para isso, é necessário que tais dados obtidos
sejam confiáveis e que a amostra (dos dados) possua tamanho correto.
Uma amostra com tamanho inapropriado pode gerar valores que não
caracterizam corretamente o sistema em estudo. Por exemplo, em um
sistema estável, podemos ter um tempo médio de espera na fila de 5
minutos. Para se chegar a essa conclusão, foi necessário observar o
funcionamento do sistema durante um longo período, no qual inúmeros
clientes foram atendidos, entretanto, se o período de observação fosse

16
 menor, poucos clientes seriam observados e provavelmente
encontraríamos um valor diferente para o tempo médio de espera na fila.
 Tipo de fila e quantidade de servidores. Quando desejamos definir a
estrutura de um sistema, podemos optar pelas seguintes formas de
atendimento:
• uma única fila e um único servidor;
• uma única fila e diversos servidores;
• diversas filas e os correspondentes servidores;
• filas especiais;
• alteração dinâmica no sistema de atendimento.

Cada opção acima possui seus prós e contras. Por exemplo, quando
houver uma situação em que a distribuição do tempo de atendimento aos clientes
pode variar significativamente, com atendimento de clientes acima da média,
como acontece em bancos, nos Correios etc., é mais adequado optar pela fila
única e com diversos atendentes.
Por vezes, é mais apropriado modificar dinamicamente a quantidade de
atendentes conforme aumenta ou diminui o fluxo de chegada de clientes. Essas
situações são comuns em supermercados e em bancos, que empregam essa
estratégia, tornando disponíveis atendentes extras nos horários de pico.
Na verdade, podemos observar que os supermercados adotam diferentes
estruturas de sistema para prestar um bom serviço de atendimento, entre as
quais o uso de “caixas expressos”, para conquistar clientes que desejam comprar
poucos itens e que não se sujeitariam a filas morosas para adquiri-los.
Assim, pode-se concluir que a escolha entre diversas opções
apresentadas dependerá das características do estabelecimento e do sistema
em estudo, pois a solução que pode ser apropriada para uma situação pode não
ser para outra.

Saiba mais
Acesse o endereço a seguir e assista a um pouco mais sobre teoria das
filas: <https://www.youtube.com/watch?v=WiXJaX-Ybls>.

TEMA 4 – CONCEITOS BÁSICOS: UMA ABORDAGEM MATEMÁTICA

O objetivo deste tema é acrescer conceitos da teoria de filas, porém,

realizando uma abordagem matemática que permitirá quantificar as chamadas

17
 “variáveis randômicas fundamentais”, as quais, por sua vez, caracterizam o
comportamento do sistema de filas e, por conseguinte, fornecem subsídios para
as correções que se fizerem necessárias.
Variáveis randômicas fundamentais (Prado, 2006). Consideremos o
sistema de filas da Figura 3, que possui uma situação estável (os valores de 𝜆 e
𝜇 não se alteram), na qual clientes chegam, entram em fila e aguardam o
atendimento por um dos “c” servidores existentes.

Figura 3 – Localização das variáveis

Fonte: Adaptado de Prado, 2006.

A partir da Figura 3, podemos identificar as seguintes variáveis randômicas

fundamentais:

 Variáveis referentes ao sistema:

• TS = tempo médio de permanência no sistema.

• NS = número médio de clientes no sistema.

 Variáveis referentes ao processo de chegada:

• IC = intervalo médio entre chegadas (IC = 1/𝜆, por definição).

• 𝜆 = ritmo médio de chegada.

 Variáveis referentes à fila:

• TF = tempo médio de permanência na fila.

• NF = número médio de clientes na fila.

18
  Variáveis referentes ao processo de atendimento:

• c = capacidade de atendimento ou quantidade de atendentes.

• TA = tempo médio de atendimento ou de serviço (TA = 1/𝜇, por
definição).
• NA = número médio de clientes que estão sendo atendidos.
• µ = ritmo médio de atendimento de cada cliente.

 Relações básicas:

• NS = NF + NA
• TS = TF + TA
• NA = λ/μ = TA / IC → NS = NF + NA = NF + (λ/μ) = NF + (TA / IC)

 Taxa de utilização dos atendentes:

λ
• 𝜌 = cμ, onde λ = ritmo médio de chegada, c = número de atendentes e

µ = ritmo médio de atendimento; 𝜌 representa a fração média do tempo

em que cada servidor está ocupado. Por exemplo, com um servidor, se
chegam 4 clientes/hora e se o servidor possui capacidade para atender
10 clientes/hora, então a taxa de utilização é de 0,40, ou seja, o servidor
está com 40% do seu tempo ocupado no atendimento e 60% do tempo
livre.
 Intensidade de tráfego ou número mínimo de atendentes:
λ TA
• Chamamos de intensidade de tráfego a expressão: 𝑖 = μ = , em que
IC

𝑖 é o próximo valor inteiro que se obtém. Na prática, 𝑖 representa o

número mínimo de atendentes necessário para atender a um dado
fluxo de tráfego. Por exemplo, se 𝜆 = 10 clientes/hora e TA = 3 minutos
𝜆
(ou, 𝜇 = 20 cliente/hora), temos que = 0,5, então 𝑖 = 1, ou seja, 1
𝜇

atendente é suficiente para o correto funcionamento do sistema. Se o

fluxo de chegada aumentar para 𝜆 = 50 clientes/hora, com TA = 3
𝜆
minutos (ou, 𝜇 = 20 cliente/hora), temos que = 2,5, então 𝑖 = 3, ou
𝜇

seja, serão necessários pelo menos 3 atendentes para que o sistema

funcione de forma apropriada.
 J.D.C. Little demonstrou para um sistema de fila as fórmulas abaixo, as
quais independem da quantidade de servidores e do modelo de fila por
tratarem-se de fórmulas fundamentais básicas (fórmulas de Little):
19
 • NF = 𝜆 ∙ TF
• NS = 𝜆 ∙ TS

Tabela 4 – Resumo de fórmulas

Nome Fórmula
1
Intervalo entre chegadas IC =
𝜆
1
Tempo do atendimento TA =
𝜇
𝜆
Taxa de utilização dos atendentes 𝜌=
c𝜇
𝜆 TA
Intensidade de tráfego 𝑖=| |=| |
𝜇 IC
𝜆
NA =
𝜇
𝜆
NS = NF + NA ∴ NF = NS −
Relações entre fila, sistema e 𝜇
atendimento 𝜆 TA
NS = NF + = NF +
𝜇 IC
1
TS = TF + TA ∴ TF = TS −
𝜇
Fórmulas de Little NF = 𝜆 ∙ TF
NS = 𝜆 ∙ TS

Fonte: Prado,2006; Andrade, 2009.

Exemplo. Em uma fábrica, o funcionamento de um dado setor possui as

seguintes características: 𝜆 = 20 clientes/hora, 𝜇 = 25 clientes/hora e TS = 0,3
horas. A partir desses dados, é solicitado que sejam calculados: o tamanho
médio da fila, o número médio de clientes no sistema e o número médio de
cliente sendo atendidos.
Solução:

1 1
TA = 𝜇 = 25 = 0,04

TF = TS − TA = 0,3 − 0,04 = 0,26

NF = 𝜆 ∙ TF = 20 ∙ 0,26 = 5,2 clientes (número médio de clientes na fila)

NS = 𝜆 ∙ TS = 20 ∙ 0,3 = 6 clientes (número médio de clientes no sistema)

NA = NS − NF = 6 − 5,2 = 0,8 clientes (número médio de clientes sendo

atendidos)

20
 Saiba mais
Leia o Item 15.6.1 do Taha para ampliar seu conhecimento sobre
medidas de desempenho. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/257>.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8. ed. São Paulo:
Pearson Prentice Hall, 2008.
Acesse o endereço a seguir e assista ao vídeo sobre modelos de filas:
<https://www.youtube.com/watch?v=BY15B5dnZUQ>.

TEMA 5 – MODELOS

Em teoria das filas são estudados diversos modelos de sistemas. Cada

modelo possui equações matemáticas que o definem, ou seja, que caracterizam
o seu comportamento. Os diferentes modelos disponibilizados pela teoria das
filas nos permitem empregá-los para estudar situações semelhantes que
ocorrem em nosso cotidiano. O presente tema de ensino tem por objetivo
apresentar a notação que caracteriza o sistema, bem como as equações
matemáticas do modelo que possui uma fila e um atendente.
A notação de Kendall (Prado, 2006). A notação básica para descrever
um modelo de fila emprega a seguinte notação: A/B/c/K/m/Z, onde

 A indica o tipo de distribuição de probabilidade dos intervalos entre

chegadas;
 B indica o tipo de distribuição de probabilidade do tempo de serviço
(atendimento);
 c é a capacidade de atendimento ou quantidade de atendentes;
 K é a capacidade máxima do sistema (número máximo de clientes no
sistema);
 m é o tamanho da população de onde se originam os clientes;
 Z é a disciplina da fila.

Esta notação recebeu o nome de notação Kendall como homenagem ao

seu criador, David Kendall. Os diferentes tipos de distribuição de probabilidade
são designados por A e B, conforme apresentado a seguir:

 M: Exponencial Negativa (ou Markoviana ou Poisson)

 Em: Erlang de estágio m;
21
  Hm: hiper-exponencial de estágio m;
 Determinística;
 Geral.

Por exemplo, seja o modelo M/E2/5/20/∞/randômico, o qual possui as

seguintes características:
 A = M, as chegadas são Markoviana (ou Poisson);
 B = E2, o atendimento possui uma distribuição tipo Erlang de segundo
grau;
 c = 5, ou seja, são 5 atendentes;
 K = 20, então a capacidade máxima do sistema igual a 20 clientes;
 m = ∞, população infinita;
 Z, a disciplina da fila possui atendimento randômico.

Quando se adota a notação condensada A/B/c, que é bastante comum,

subentende-se que não há limite para o tamanho da fila, a população é infinita e
a disciplina da fila possui atendimento por ordem de chegada, ou seja, é do tipo
FIFO (o primeiro a chegar é o primeiro a ser atendido).
O modelo M/M/1 ou M/M/c (também conhecido por modelo de Poisson),
apesar de poucas aplicações práticas, possui aplicação teórica por possibilitar
que se construa toda uma teoria sobre filas. A partir deste modelo, podemos
calcular tamanhos de filas, tempos etc.
O Modelo M/M/1. Este modelo possui uma fila, um atendente e as
seguintes características (Prado, 2006; Andrade, 2009):

 Chegadas de clientes: segue uma distribuição de Poisson com média 𝜆

chegadas/tempo;
 Atendimento de clientes: obedece uma distribuição exponencial negativa
com média 1/𝜇 (ou seja, o número de atendimentos é uma distribuição de
Poisson com média 𝜇); e
 Disciplina da fila: atendimento por ordem de chegada.

O estudo será feito para os casos de população infinita e finita. Na Figura

4, vemos a representação mais usual para o modelo M/M/1.

22
 Figura 4 – Representação do Modelo de Fila M/M/1

Fonte: Adaptado de Prado, 2006.

Para o modelo M/M/1 permanecem válidas as definições de 𝜆, IC, TA e 𝜇.

 População infinita: uma população é considerada infinita quando o

número de clientes potenciais é suficientemente grande para que a
população seja considerada infinita. A seguir são apresentadas as
equações do modelo de uma fila e um atendente, sem a apresentação de
seu desenvolvimento (Prado, 2006; Andrade, 2009):

Tabela 5 – Modelo de uma fila e um atendente

Nome Descrição Fórmula

𝜆2
NF número médio de clientes na fila NF =
𝜇(𝜇 − 𝜆)
𝜆
NS número médio de clientes no sistema NS =
𝜇−𝜆
𝜆
TF tempo médio de espera na fila por cliente TF =
𝜇(𝜇 − 𝜆)
1
TS tempo médio gasto no sistema por cliente TS =
𝜇−𝜆
λ 𝜆 𝑛
Pn probabilidade de haver n clientes no sistema P𝑛 = (1 − ) ( )
μ 𝜇

A Taxa de Utilização é definida como a relação entre o ritmo médio de

𝜆
chegada e o ritmo médio de atendimento, ou seja, 𝜌 = 𝜇 e. Como sistemas

estáveis exigem 𝜆 < 𝜇, tem-se 𝜌 < 1. Observe que, quando 𝜌 tende para 1, ou
seja, quando se aproxima de valores muito próximos a 1, a fila tende a aumentar
infinitamente, o que pode ser comprovado a partir da equação:
𝜆2
2 2
𝜆 𝜆 𝜌2 𝜇2𝜌2
NF = = 2 = = =
𝜇(𝜇 − 𝜆) 𝜇 − 𝜇𝜆 𝜇 2 𝜇𝜆 1 − 𝜆 1 − 𝜌
− 𝜇
𝜇2 𝜇2

Assim, por exemplo, quando 𝜌 for igual a 0,999, o número médio de

clientes na fila (NF) será igual a 998. Em situações práticas, quando a taxa de
utilização se aproxima de 1 (100%), deve-se ficar atento, pois, se NF cresce de

23
 forma exponencial (o que pode ser comprovado), isso significa que isso também
ocorrerá com o tempo de fila (TF) e com o tempo no sistema (TS).
Exemplo: contratação de um reparador (Prado, 2006). Uma empresa
deseja contratar um reparador para efetuar manutenção em suas máquinas, as
quais estragam a um ritmo de 3 falhas/hora. A empresa se deparou com 2
opções de contratação: um reparador lento, que é capaz de consertar a um ritmo
de 4 falhas/hora, ou um reparador rápido, que é capaz de consertar a um ritmo
de 6 falhas/hora. O salário/hora do reparador lento é de $3,00, e o do reparador
rápido é de $5,00. Qual contratação deve ser efetuada para que o custo total
(reparador + máquina parada) seja mínimo? Sabe-se que uma máquina parada
implica um custo horário de $5,00.
Solução: para calcular o custo das máquinas paradas, devemos calcular
o número médio de máquinas paradas (NS).

a. Reparador lento
λ 3
NS = μ−λ = 4−3 = 3 máquinas

Custo das máquinas = 3 x $5,00 = $15,00

Custo do reparador = $3,00
Custo horário total = $18,00
b. Reparador rápido
λ 3
NS = μ−λ = 6−3 = 1 máquina

Custo das máquinas = 1 x $5,00 = $5,00

Custo do reparador = $5,00
Custo horário total = $10,00

Comparando o desempenho dos dois reparadores, chega-se à conclusão

de que o reparador rápido, apesar de ter um custo maior, implica um custo total
menor.

 População finita: M/M/1/K: um caso particular e encontrado com

frequência no cotidiano é aquele em que a população de clientes é finita,
ou seja, o número máximo de cliente que podem solicitar serviços é
predeterminado. A seguir são apresentadas as fórmulas deste modelo,
em que K representa o número (limitado) de clientes que estão
percorrendo o sistema (Prado, 2006; Andrade, 2009; Hillier; Lieberman,
2010):
24
 Tabela 6 – Fórmulas para população finita

Nome Descrição Fórmula

𝜆+𝜇
NF número médio de clientes na fila NF = K − [ ∙ (1 − 𝑃𝑜 )]
𝜆
𝜆+𝜇 𝜆
NS número médio de clientes no sistema NS = 𝐾 − [ ∙ (1 − 𝑃𝑜 )] +
𝜆 𝜇
tempo médio de espera na fila por 𝐾 (𝜆 + 𝜇) ∙ (1 − 𝑃𝑂 )
TF TF = − [ ]
cliente 𝜆 𝜆2
tempo médio gasto no sistema por 𝐾 (𝜆 + 𝜇) ∙ (1 − 𝑃𝑂 ) 1
TS TS = − [ ]+
cliente 𝜆 𝜆2 𝜇
𝜇 𝑘−𝑛
( )
probabilidade de haver n clientes no P𝑛 = 𝜆
Pn 𝜇 𝑗
sistema ( )
(k − n)! ∙ ∑𝑗=0 𝜆
𝐾
𝑗!

Saiba mais
Leia a introdução do Item 15.6 do Taha e se familiarize com as notações
empregadas pelo autor para caracterizar os sistemas de filas. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/81>.
Leia também o item 15.6.2 do Taha para conhecer mais sobre modelos com
um único servidor. Disponível em:
<http://uninter.bv3.digitalpages.com.br/users/publications/9788576051503/pa
ges/257>.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8. ed. São Paulo: Pearson
Prentice Hall, 2008.
Acesse o link a seguir e assista ao vídeo sobre modelos de filas:
<https://www.youtube.com/watch?v=Ujk_x5Owxoo>.

NA PRÁTICA

Em quantas situações em sua rotina diária você seria capaz de identificar

a existência de fila? Identifique uma bastante diferente, descreva-a e aplique a
notação de Kendall no que for possível. Em seguida, compartilhe essa situação
no fórum com seus colegas de disciplina. Avalie com eles como você poderia
levantar os dados estatísticos a fim de caracterizar as distribuições de
probabilidade das chegadas e do atendimento.
Leia o caso de ensino sugerido e depois responda o solicitado. Terminada
a atividade de estudo e solucionado o estudo de caso, você receberá a solução

25
 para a atividade realizada pelo professor que elaborou o presente caso de
ensino.
Orientações para realizar a atividade:

1. Leia o caso de ensino e identifique as características do sistema.

2. Reveja as equações/fórmulas dos modelos de filas, pois são necessários
para resolver o caso de ensino.
3. Boa aprendizagem!

Caso de Ensino n. 6: Problema de fila (Andrade, 2009)

Uma seção de fábrica dispõe de 6 máquinas que apresentam defeito a

uma taxa média de 3 por semana, segundo a distribuição de Poisson. A equipe
de manutenção consegue reparar, em média, 6 máquinas por semana. Pede-se
que sejam calculados:

 A probabilidade de haver n máquinas fora de operação (1 máquina em

reparo e 𝑛 − 1 esperando), para 𝑛 = 0, 1, 2, 3, 4, 5, 6.
 O tempo médio gasto por máquina na equipe de manutenção, o tempo
médio gasto em espera, o número médio de máquina na fila e o número
médio de máquina parada por semana.

Solução: o aluno deverá identificar que a fila é do tipo M/M/1/K e, portanto,

possui as seguintes características:

 𝜆 = 3 máquinas/semana;
 𝜇 = 6 máquinas/semana;
 𝐾 = 6 máquinas

a. Probabilidade de haver n clientes no sistema, ou seja, n máquinas

paradas:
𝜇 𝑘−𝑛
( )
𝜆
P𝑛 = 𝜇 𝑗
):
( )
(k−n)!∙∑𝐾
𝑗=0
𝜆
𝑗!

6 6−0
( ) (2)6 64
 Para 𝑛 = 0: P0 = 3
6 𝑗
= (2)𝑗
= 20 21 22 23 24 25 26
=
( ) 6!∙(∑6𝑗=0 ) 6∙5∙4∙3∙2∙1∙( + + + + + + )
(6−0)!∙(∑6𝑗=0 3 ) 𝑗! 0! 1! 2! 3! 4! 5! 6!
𝑗!

64 64
1 2 4 8 16 32 64 = 8 16 32 64 =
720∙( + + + + + + ) 720∙(1+2+2+ + + + )
1 1 2∙1 3∙2∙1 4∙3∙2∙1 5∙4∙3∙2∙1 6∙5∙4∙3∙2∙1 6 24 120 720

64 64 64
= 720∙(7,3555) = 5295,99 = 0,012
720∙(1+2+2+1,333+0,666+0,266+0,088)

26
 6 6−1
( ) (2)5
 Para 𝑛 = 1: P1 = 3
6 𝑗
= 20 21 22 23 24 25 26
= 0,0362
( ) 5∙4∙3∙2∙1∙( + + + + + + )
(6−1)!∙(∑6𝑗=0 3 ) 0! 1! 2! 3! 4! 5! 6!
𝑗!

 Para 𝑛 = 2: P2 = 0,0906
 Para 𝑛 = 3: P3 = 0,1812
 Para 𝑛 = 4: P4 = 0,2719
 Para 𝑛 = 5: P5 = 0,2719
 Para 𝑛 = 6: P6 = 0,1359
𝜆+𝜇
b. Número médio de máquinas à espera de conserto: NF = K − [ ∙
𝜆
3+6
(1 − 𝑃𝑜 )] = 6 − [ ∙ (1 − 0,01208)] = 3,036
3
𝜆+𝜇 𝜆
c. Número médio de máquinas paradas: NS = 𝐾 − [ ∙ (1 − 𝑃𝑜 )] + 𝜇 = 6 −
𝜆
3+6 3
[ ∙ (1 − 0,01208)] + 6 = 3,536
3
𝐾 (𝜆+𝜇)∙(1−𝑃𝑂 ) 1 6
d. Tempo médio por máquina parada: TS = −[ ]+𝜇 =3−
𝜆 𝜆2
(3+6)∙(1−0,01208) 1
[ ] + 6 = 1,1786 semanas
32
𝐾 (𝜆+𝜇)∙(1−𝑃𝑂 ) 6
e. Tempo médio de espera por máquina: TF = −[ ]=3−
𝜆 𝜆2
(3+6)∙(1−0,01208)
[ ] = 1,012 semanas
32

FINALIZANDO

O tema principal abordado nesta aula foi teoria das filas. Inicialmente
apresentamos breve histórico, conceitos e situações de aplicações. Em seguida
vimos os elementos e as características de filas. Posteriormente, destacamos a
dinâmica existente na formação de filas, além de realizar uma abordagem
matemática das variáveis randômicas existentes e que caracterizam um sistema.
Por fim, fizemos uma introdução aos modelos de filas, apresentando a
nomenclatura empregada e a formulação matemática de um sistema composto
por uma fila e um servidor.
O caso de ensino proposto tem por objetivos fazer o aluno identificar as
características do sistema de fila e empregar as fórmulas matemáticas
pertinentes.

27
 REFERÊNCIAS

ANDRADE, E. L. de. Introdução à pesquisa operacional: métodos e modelos

para análise de decisões. 4. ed. Rio de Janeiro: LTC, 2009.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed.

Porto Alegre: McGraw-Hill, 2010.

PRADO, D. S. do. Teoria das filas e da simulação. Nova Lima: INDG

Tecnologia e Serviços Ltda, 2006.

28