Quanto tempo leva

Toda transição temporizada precisa de uma duração. A escolha tem duas partes: quanto tempo, em média e quanto esse tempo varia.

A segunda parte costuma ser ignorada — e é ela que decide o tamanho da fila.

Informando a duração

O campo é sempre uma duração, nunca uma frequência. Isso tem página própria, porque confundi-las é o erro mais caro do modelo: Taxa ou tempo médio.

A unidade de tempo

O motor não sabe se 60 são segundos ou minutos — ele só propaga o número. Por isso o modelo tem uma unidade de tempo, escolhida no topo do painel da direita (ms, s, min, h ou d), e todo tempo do modelo está nela: cada transição, o tempo de simulação, o aquecimento e os eixos dos gráficos.

Depois de escolhida, a unidade aparece ao lado de cada campo de tempo (Tempo médio (s)) e nos eixos (Tempo (s), TAFP (s), 1/TAFP (1/s)), para que ninguém precise adivinhar. Enquanto não estiver definida, o painel avisa.

Uma unidade, o modelo inteiro

Misturar segundos numa transição e minutos em outra é o erro mais difícil de enxergar: o modelo roda, e o resultado está errado por um fator de 60. Escolha a unidade antes de digitar o primeiro tempo e converta o que vier em outra.

As três distribuições

Distribuição	O tempo	Use para
Exponencial	varia muito	tempos imprevisíveis
Normal	varia em torno da média	tempos com variação controlada
Determinística	é sempre o mesmo	tempos fixos

A lista da interface é maior

Ao editar uma transição você vê outras opções — Erlang, Uniforme, Weibull, Gama, Lognormal, Triangular. Elas existem para registrar o que você mediu do processo real, mas o motor simula apenas as três acima: um modelo com qualquer das outras é recusado na execução, e a verificação do modelo avisa antes.

Se o seu processo é uma dessas, aproxime pela mais próxima das três — em geral Normal, ajustando o desvio padrão para bater com a variação medida.

Exponencial

A mais usada, e o padrão. Muitos tempos curtos, alguns bem longos. É a escolha certa quando você não conhece a distribuição, e é a hipótese clássica para chegada de clientes ou requisições.

Pede um valor: o tempo médio.

Normal

Tempos concentrados em torno da média, com dispersão que você controla. Serve para processos regulares mas não exatos — uma máquina que leva "uns 30 segundos", uma tarefa manual padronizada.

Pede dois valores: a média e o desvio padrão. Desvio maior, mais variação.

Determinística

Sempre exatamente o mesmo tempo. Serve para o que é fixo por construção: um ciclo de máquina, um intervalo programado, um tempo de rede garantido.

Pede um valor: a duração.

A variação importa mais que a média

Aqui está o motivo desta página. Quatro simulações do mesmo sistema, todas com atendimento de 5 minutos em média:

Distribuição	Fila média	Ocupação	Tempo de resposta
Exponencial	0,50	50,0%	10,0 min
Normal, desvio 2	0,29	50,0%	7,9 min
Normal, desvio 1	0,26	50,0%	7,6 min
Determinística	0,25	50,0%	7,5 min

A ocupação é idêntica nas quatro — 50% em todas. É esperado: se o atendimento leva 5 minutos em média e chega um cliente a cada 10, o atendente trabalha metade do tempo, independente de como o tempo varia.

Mas o cliente espera 33% a mais no caso exponencial do que no determinístico. Só pela variação.

A conclusão prática

Reduzir a variabilidade melhora o sistema mesmo sem acelerar nada. Padronizar um atendimento para durar sempre o mesmo tempo entrega uma espera menor do que um atendimento com a mesma média mas irregular.

E ao contrário: escolher exponencial "por padrão" quando o seu processo é regular faz o modelo prever fila maior do que a real.

Como escolher

Se você tem medições, calcule média e desvio padrão e compare. Desvio próximo da média sugere exponencial; desvio pequeno sugere normal ou determinística.

Se não tem medições, use exponencial. Ela é a hipótese mais pessimista das três, então o modelo tende a superestimar a fila em vez de subestimar — que é o erro mais seguro para dimensionar.

Para chegadas vindas de fora, exponencial quase sempre. Clientes ou requisições independentes chegando ao acaso produzem exatamente esse padrão.

Teste a sensibilidade

Na dúvida entre duas distribuições, rode com as duas. Se o resultado mudar pouco, a escolha não importa para a sua pergunta. Se mudar muito, vale investir em medir o processo real antes de decidir com base no modelo.