Académique Documents
Professionnel Documents
Culture Documents
1/16
ANAIS
2. Referencial terico
2.1 Simulao
A simulao tem sido amplamente difundida para estudo de eventos complexos, neste artigo a
simulao foi utilizada com o objetivo de analisar um sistema de filas, mas a aplicao
muito mais abrangente.
Desde o final do sculo XX em diante, graas ao desenvolvimento dos recursos
computacionais, a simulao tem sido utilizada cada vez mais em diversas reas, desde a
simulao de eventos complexos, at em causas mais populares. Existem atualmente vrios
softwares de simulao, como Crystall Ball, @Risk, DecisionPro, Xcell,SLAM, Witness,
Arena e MAP/1(COSTA, 2004).
Conforme apresentado por Law(2010) a simulao um mtodo muito utilizado e cada vez
mais popular para o estudo de sistemas complexos, muitas vezes existe um conjunto de
hipteses sobre como um sistema funciona para verificar estas hipteses usa-se a simulao.
2.1. Simulao vantagens e desvantagens
A utilizao de simulao de sistemas implica em vantagens e desvantagens, pontos positivos
e negativos de sua utilizao conforme apresentado a seguir, de acordo com a perspectiva de
Law(2010).
Vantagens:
A maioria dos sistemas complexos, do mundo real com elementos estocsticos no
pode ser descrita com preciso por um modelo matemtico que pode ser avaliado
analiticamente;
Simulao permite estimar o desempenho de um sistema existente sob um conjunto
projetado de condies operacionais;
Propostas alternativas podem ser comparados via simulao para ver qual melhor
atende uma exigncia especfica;
Em uma simulao, podemos manter um controle muito melhor sobre as condies
experimentais do que seria possvel experimentando o prprio sistema.
Desvantagens:
Cada execuo de um modelo de simulao estocstica produz apenas estimativas de
caractersticas verdadeiras de um modelo para um determinado conjunto de
parmetros de entrada. Assim, vrias repeties independentes do modelo,
provavelmente sero necessrias para cada conjunto de parmetros de entrada a ser
estudada;
Os modelos de simulao so muitas vezes caros e demorados;
Se um modelo no uma representao "vlida" de um sistema em estudo, os
resultados da simulao, no importa o quo impressionante paream, iro fornecer
poucas informaes teis sobre o sistema real.
2.2. Teoria de filas
O estudo das filas j ocorre desde 1909 iniciando-se com pesquisas do cientista A. K Erlang.
A abordagem matemtica de filas comeou no incio deste sculo em Copenhague,
Dinamarca, atravs de A.K Erlang, mas s a partir da segunda guerra mundial que a teoria de
filas foi aplicada a outros problemas de fila(PRADO,1999).
Sistema de Fila qualquer processo onde usurios oriundos de uma determinada populao
chegam para receber um servio pelo qual esperam, saindo do sistema assim que o servio
2/16
ANAIS
completado, a espera ocorre quando a demanda maior que a capacidade de atendimento
oferecida em termos de fluxo(SINAY,2004).
Assim, sempre que a capacidade de atendimento de um servidor menor que a taxa de
chegada de pessoas na fila, teremos a existncia da fila, pois o servidor no consegue atender
com uma frequncia maior que a chegada de usurios.
A figura 1 abaixo demonstra a representao esquemtica de um sistema de fila M|M|C,
observamos atravs desta os elementos fundamentais que compe a fila e como estes se
relacionam.
Figura 1 Representao esquemtica de um sistema de filas M|M|C
ANAIS
Os sistemas so dimensionados para certa quantidade mxima de clientes em espera.
H)
Tempo mdio de espera na fila
O tempo mdio de espera depende dos processos de chegada e de atendimento.
Para descrever adequadamente um Sistema de Filas utilizada a notao de Kendall(1953)
que representada do seguinte modo: A|B|C|D|E onde A e B, representam tempo entre as
chegadas e tempo de atendimento(TA), C e D, denotam o nmero de postos de atendimento
em paralelo e a capacidade fsica do sistema, e E representa disciplina de atendimento
empregada(SINAY, 2004).
2.1.1 Modelo de fila M|M|1
No Modelo M|M|1 tanto as chegadas quanto o atendimento so Marcovianos (o que o
mesmo que dizer que seguem a Distribuio de Poisson ou Exponencial Negativa) neste
modelo temos um nico atendente(PRADO, 1999).
A distribuio probabilstica mais importante na teoria das filas a distribuio exponencial,
esta um tipo de distribuio contnua de probabilidade, representada por um parmetro ,
tem como uma das principais propriedades ser um processo sem memria, onde o tempo at a
prxima chegada no sofre nenhuma influncia da ltima chegada. Assim, supondo que uma
varivel aleatria T represente tempos entre chegadas ou tempos de atendimento, diz-se que
essa varivel tem uma distribuio exponencial com parmetro se sua funo de densidade
probabilstica for:(HILLIER;LIEBERMAN,2006).
(1)
As probabilidades acumuladas seriam:
(2)
e o valor esperado e a varincia de T so respectivamente:
(3)
(4)
No modelo M|M|1||FIFO os tempos entre chegadas sucessivas e os tempos de atendimento
seguem distribuies exponenciais, as chegadas e os atendimentos caracterizam um processo
de nascimento e morte, as taxas de chegada e atendimento so constantes e existe um nico
posto de atendimento e a ordem de acesso de usurios ao servio segue a ordem das chegadas
(SINAY, 2004).
Hilier; Lieberman (2006) afirma que o nmero de usurios de chegam na fila M|M|1 por
minuto descrito por uma distribuio de Poisson de parmetro , e o tempo de atendimento
pelo parmetro . Onde, representa a taxa mdia de chegada de usurios por unidade de
tempo e representa a taxa mdia de atendimento por unidade de tempo, e a taxa de ocupao
do sistema representada pela seguinte equao:
(5)
4/16
ANAIS
Para que o sistema em questo possa ser considerado estvel exige-se que seja menor que
ou < 1, quando temos prximo a 1 a fila tende a aumentar infinitamente (PRADO, 1999).
A Figura 2 a seguir referente a uma fila M|M|1||FIFO representa o fluxo e a correlao do
tempo entre as chegadas e tempo de atendimento.
Figura 2: Diagrama de fluxo para o modelo M|M|1
Para entender a dinmica das filas existem as medidas de desempenho, a Figura 3, apresenta
as frmulas para calculcar as principais medidas de desempenho para um sistema de filas
M|M|1.
Figura 3 Parmetros do modelo M/M/1
(6)
(7)
(8)
(9)
(10)
Fonte: Barbosa (2009) apud adaptado de Moore & Wheatherford (2005)
5/16
ANAIS
Neste modelo temos basicamente as mesmas medidas de desempenho do modelo M|M|1,
porm com frmulas de clculo diferentes, conforme figura 4.
Figura 4 Parmetros do modelo M/M/C
(12)
(13)
(14)
(15)
(16)
(17)
Fonte: Barbosa (2009) apud adaptado de Moore & Wheatherford (2005)
3. Metodologia
Este artigo foi desenvolvimento de acordo com a metodologia Chwif; Medina (2010), no qual
o modelo de simulao compe-se de trs grandes etapas:
A)
Concepo e formulao do modelo: na primeira etapa deve-se entender o sistema a
ser simulado e seus objetivos. Os dados de entrada so coletados nesta fase.
importantssimo ter dados adequados para alimentar o modelo, mas o modelo que deve
dirigir a coleta de dados. Finalizado a etapa de concepo, o modelo deve ser representado a
fim de torna-lo um modelo conceitual. Observa-se assim que o modelo conceitual traduzido
pelas equaes utilizadas para simular a fila e pelos dados de entradas utilizados na
simulao.
B)
Implementao do modelo: na segunda etapa o modelo conceitual convertido em um
modelo computacional atravs da utilizao de alguma linguagem de simulao ou de algum
simulador comercial existente. O modelo computacional implementado deve ser comparado
como o modelo conceitual, com a finalidade de avaliar se sua operao atende ao que foi
estabelecido na etapa de concepo. Para a validao computacional, alguns resultados devem
ser gerados, observando se o modelo uma representao precisa da realidade. O modelo
computacional deste artigo o de planilhas do software Microsoft Excel.
C)
Anlise dos resultados do modelo: na terceira etapa, o modelo computacional est
pronto para a realizao dos experimentos, dando origem ao modelo experimental. Nesta
etapa so realizadas vrias rodadas do modelo, e os resultados da simulao so analisados
e documentados. A partir dos resultados, concluses e recomendaes so geradas, caso os
resultados no sejam satisfatrios o modelo pode ser modificado e o ciclo reiniciado. Nesta
etapa os dados so verificados e validados de modo a identificar se os valores simulados se
aproximam dos valores tericos ou analticos gerados pela modelagem matemtica
correspondente.
Na Figura 5 a seguir, apresentada a representao grfica do ciclo da Metodologia de
Simulao desenvolvida por CHWIF (2010).
Figura 5 Metodologia de simulao
6/16
ANAIS
4. Experimentos
Nesta seo sero apresentados os resultados dos experimentos, simulaes realizadas para
fila M|M|1 e M|M|C.
Para realizar a simulao utilizou-se o Microsoft Excel 2010, pois o software de fcil
utilizao e garante bons resultados para simulaes mais simplificadas e com menor nmero
de dados.
A simulao ferramenta importante para compreenso dos modelos de fila, para realizar a
simulao de uma fila M|M|1, utilizou-se neste artigo as seguintes frmulas de acordo com a
modelagem de Perin (FILHO, C. P., 1995):
(19)
(22)
(21)
(18)
(24)
(25)
Em que:
ri Tempo entre as chegadas;
si Tempo de atendimento;
ai Instante de chegada;
bi Incio de atendimento;
ci Instante do fim do atendimento;
wi Tempo de espera na fila;
ui Tempo do sistema;
oi Tempo ocioso;
u Nmero aleatrio ente 0 e 1;
7/16
(20)
(23)
ANAIS
Estas frmulas foram implementadas em uma planilha do software Microsoft Excel, conforme
pode ser observado na figura 6, permitindo a implementao adequada para clculo das
medidas de desempenho para a fila simulada.
Figura 6 Implementao das frmulas em planilha de Excel
Fonte: Autor
Onde $B$2 representa uma clula fixa correspondente ao valor de , sendo para este caso =
1, e $B$3 o valor de , sendo aqui = 1/ 0,5; = 2.
Nas simulaes para obter ri e si tanto para fila M|M|1 e M|M|2, utilizou-se o mtodo da
transformada inversa.
Atravs do mtodo da transformada inversa possvel explicitar a inversa da funo de
distribuio acumulada exponencial, assim so gerados nmeros aleatrios atravs da funo
(Chwif e Medina, 2010):
ln 1
(26)
J para realizar a simulao para fila M|M|2 utilizou as seguintes frmulas, tambm de acordo
com a modelagem de Clovis Perin(FILHO, C. P., 1995):
(27)
(28)
(29)
(31)
(30)
(33)
(32)
(35)
(34)
(36)
Onde:
ri Tempo entre as chegadas;
si Tempo de atendimento;
ai Instante de chegada;
8/16
ANAIS
bi Incio de atendimento;
ci Instante do fim do atendimento;
wi Tempo de espera na fila;
ui Tempo do sistema;
oi Tempo ocioso;
u Nmero aleatrio ente 0 e 1;
Sendo que e wq simulados foram estimados a partir das seguintes equaes:
1
(37)
/ (38)
Em que:
N: nmero de clientes no sistema de filas no instante
Na simulao realizada o TEC e TA foram gerados atravs da Equao 14, conforme
apresentado na Tabela 1, a mdia do TEC do modelo simulado 1,054 enquanto o valor
terico dado pela Equao 3 igual a 1,000, e a varincia para o modelo simulado de 1,007
enquanto no modelo terico (Eq.4) de 1,000, observa-se uma satisfatria aproximao entre
os valores simulados e valores tericos.
Tabela 1 Mdia e varincia, validao dos tempos entre chegadas
Modelo por
Simulao
Valores
tericos
1,054
1,000
Varincia
1,007
1,000
Fonte: Autor
Fonte: Autor.
ANAIS
Os TA gerados na simulao tambm foram verificados atravs do clculo da mdia e
varincia conforme apresentado na Tabela 2, observamos que no modelo por simulao a
mdia do TA de 0,507 e no modelo analtico 0,500, e a varincia 0,234 para o modelo
por simulao e 0,250 para o modelo terico, mostrando que o modelo por simulao para
este caso bastante eficiente pois possibilitou a aproximao ao resultado do modelo terico.
Tabela 2 Mdia e varincia validao dos tempos de atendimento
Modelo por
Simulao
Mdia Tempo de
atendimento / Esperana
Varincia
Fonte: Autor
Valores
tericos
0,507
0,500
0,234
0,250
O Grfico 2 histograma de tempo de atendimento foi gerado, observa-se atravs dele e atravs
da mdia e varincia que os TA gerados aleatoriamente tambm obedeceram a distribuio
exponencial, comprovando que o modelo de gerao de variveis aleatrias do Excel
bastante eficiente.
Grfico 2 - Histograma Tempo de atendimento
Fonte: Autor
Para verificar o comportamento das medidas de desempenho da fila M|M|1 foi realizada uma
simulao supondo a chegada de n=1000 usurios no sistema. Em simulao lida-se com a
variabilidade e aleatoriedade, assim s chega-se ao regime estvel com um grande nmero de
chegadas e repeties.
Como pode ser visto na tabela 3, se fosse assumido o resultado da simulao N 4 teramos
wq=0,448 valor mais distante do analtico wq=0,50, j na simulao N 10 como resultado da
simulao tm-se wq=0,499 quase exatamente o valor analtico, isto ocorre pois simulao
tem como uma de suas principais caractersticas a variabilidade, assim sendo h necessidade
de realizar vrias replicaes verificando como os resultados se comportam, e o resultado a
ser considerado ento a mdia dos resultados encontrados atravs das vrias replicaes
realizadas.
Repetindo 10 vezes a mesma simulao, observa-se que na mdia conforme a tabela 3 o
tempo mdio na fila 0,495 e no valor analtico seria 0,50 e para a Taxa de utilizao mdia
do servidor temos no modelo simulado o resultado de 49,72% e j no analtico 50% o que
10/16
ANAIS
mostra que o valor simulado se aproximou muito significamente do modelo analtico dados
pelas frmulas.
Para = 1, = 2
Tabela 3 - Extrato da planilha de simulao fila M|M|1
Fonte: Autor
O tempo mdio de espera na fila gerado para n= 1000 no modelo simulado , est expresso no
Grfico 3, e utilizao mdia do servidor gerado tambm para n=1000 no grfico 4.
Grafco 3 - Compartivo Wq simulado X Wq analtico
Fonte: Autor
11/16
ANAIS
Fonte: Autor
No grfico 3 vemos que no nico do processamento os dados esto bem distantes dos valores
analticos mas a medida que novas interaes so feitas os valores comeam a convergir com
os valores analticos aproximadamente aps a chegada de nmero 650 na fila.
No grfico 4 aps a chegada 478 os dados comeam a convergir, em ambos os grfcos
entende-se que no momento em que os dados comeam a convergir com o modelo analtico
comea o regime estvel, aps inmeras interaes os dados esto comeando a ter uma nica
tendncia, parando as variaes muito distorcidas e seguindo uma linha mais lgica.
Foram tambm realizadas outras simulaes de filas acelerando a taxa de chegada, como pode
ser observado na Tabela 4, tivemos um aumento no tempo mdio na fila, foram feitas 10
replicaes e observando a mdia das 10 replicaes o valor obtido ficou bem prximo do
valor analtico, com excesso da taxa de chegada = 1,98.
Pois, quando a taxa de chegada aproxima-se muito da taxa de atendimento =2 temos como
visto anteriormente uma tendncia fila infinita, os dados no convergem tendo resultados
muito discrepantes entre as vrias simulaes realizadas, os usurios passam nestas condies
a esperar altos tempos na fila, e a simulao de filas no consegue encontrar valores estveis
para o modelo, pois utilizou-se n=1000, ou seja, 1000 chegadas na fila, para que este
problema pudesse ser resolvido mais interaes devem ser feitas para n=2000; 5000; 100000;
por exemplo, at que os valores encontrados apresentem resultados mais aproximados dos
valores analticos.
Tabela 4 Simulao do tempo mdio na fila com acelerao da taxa de chegada
Repli
cae
s
1
1,111
1,250
1,429
1,667
1,980
2
2
2
2
2
2
10
wq
wq
wq
wq
wq
wq
wq
wq
wq
wq
0,507
0,511
0,571
1,367
2,875
32,944
0,501
0,595
0,866
1,172
1,920
22,239
0,515
0,775
0,736
1,151
2,286
24,605
0,482
0,503
1,056
1,188
2,339
24,605
0,529
0,686
0,955
1,389
3,037
5,067
0,448
0,506
0,627
1,163
2,716
5,438
12/16
0,504
0,629
0,666
1,703
2,022
9,474
0,533
0,493
0,628
0,905
2,110
31,046
0,436
0,656
0,789
1,270
2,507
4,850
0,499
0,701
1,011
1,010
2,441
31,368
Tempo
mdio
na fila
Tempo
mdio
na fila
wq
wq
Mdio Analtico
0,495
0,500
0,606
0,625
0,791
0,833
1,232
1,250
2,425
2,500
19,164
50,000
ANAIS
Fonte: Autor
O mesmo apresentado na tabela 4 pode ser visto tambm na tabela 5, nas 10 replicaes
percebemos que a taxa de utilizao mdia do servidor aumenta a medida que aceleramos as
taxas entre as chegadas, at o ponto em que com a taxa de chegada =1,98 a utilizao do
servidor atinge quase que 100%, mostrando que o sistemas de filas est sendo quase que
totalmente utilizado.
Tabela 5 Simulao da utilizao mdia do servidor com acelerao da taxa de chegada
Replic
aes
1
1,111
1,250
1,429
1,667
1,980
2
2
2
2
2
2
10
49,99%
55,97%
64,90%
78,02%
83,11%
88,44%
48,81%
56,78%
59,51%
72,17%
79,49%
97,81%
49,06%
52,84%
64,51%
67,64%
84,49%
98,03%
50,37%
55,97%
60,13%
71,80%
81,25%
96,17%
51,67%
59,08%
60,58%
72,32%
83,77%
98,55%
51,08%
54,04%
62,09%
73,19%
83,71%
99,12%
46,73%
53,69%
63,64%
67,26%
78,92%
96,01%
51,03%
58,60%
57,87%
68,23%
82,33%
99,61%
47,59%
58,55%
61,37%
75,16%
84,40%
94,09%
50,88%
57,85%
65,60%
69,74%
84,52%
97,73%
Utilizao Utilizao
mdia do mdia do
Servidor Servidor
Mdio
49,72%
56,34%
62,02%
71,55%
82,60%
96,56%
Analtico
50,00%
55,56%
62,50%
71,43%
83,33%
99,01%
Fonte: Autor
Os mesmos processos de simulao foram realizados tambm para uma fila M|M|2 utilizando
os valores de = 1,98 e = 2.
A seguir, o Grfico 5 demonstra que os tempos mdios de espera na fila no incio da
simulao esto muito distantes do wq analtico, mas a partir da chegada de nmero 237
comea a convergir, mais para o final da simulao, a partir da chegada N 886 novamente h
um distanciamento do valor terico, tal fato pode ser explicado pela influncia que os dados
dos primeiros tempos de espera exercem sob toda a simulao, fazendo com que aja estes
desvios nos tempos mdios de espera referentes s chegadas finais.
Grafco 5 - Compartivo Wq simulado X Wq analtico
Fonte: Autor
13/16
ANAIS
No grfico 6 temos a utilizao mdia dos servidores que nesta simulao tende a aproximarse bastante do valor analtico obtido.
Grafico 6 Comparativo simulado x analtico
Fonte: Autor
Foram realizadas tambm 10 replicaes, onde como pode ser visto na tabela 6 os valores
mdios aproximaram-se bastante, inclusive sendo exatamente o mesmo para a utilizao
mdia do servidor.
Tabela 6 Extrato simulao fila M|M|2
Replicao aluno
i
1
2
3
4
5
6
7
8
9
10
1000
1000
1000
1000
1000
1000
1000
1000
1000
1000
Tempo de
ociosidade
wq
wq Analtico
0,2195
0,1655
0,1864
0,1783
0,2196
0,1013
0,1642
0,1363
0,2324
0,1642
0,177
50,94%
49,97%
50,38%
50,15%
49,41%
46,15%
48,14%
51,09%
49,51%
49,30%
49,50%
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
0,1623
Analtico
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
49,50%
Fonte: Autor
Comparando os modelos de fila M|M|1 e M|M|2 podemos observar que a principal diferena
entre eles a quantidade de servidores, na M|M|2 temos dois servidores, se comparamos a
mdia do valor da utilizao do servidor para a fila M|M|1 e M|M|2 com a mesma taxa de
chegada =1,98, podemos concluir que para a fila M|M|1 o servidor est bastante
sobrecarregado com = 96,56% enquanto na fila M|M|2 temos =49,50%, isto comprova que
14/16
ANAIS
quando uma fila comea a se tornar muito sobrecarregada com muito prximo a =1 o ideal
que seja includo mais um servidor para garantir que os tempos de espera na fila sejam
menores pois com 2 servidores o atendimento ganha maior capacidade e assim mais agilidade.
5. Concluso
Os resultados de todas as simulaes aproximaram-se bastante dos resultados analticos
mostrando a eficincia do processo de simulao para verificao do comportamento das filas.
Neste artigo foi possvel compreender quais so os passos para elaborar um modelo de
simulao de filas, com dados possuindo variabilidade e aleatoriedade, observou-se questes
importantes como a relevncia da escolha adequada do nmero de entradas de dados n para a
obteno de resultados mais prximos do modelo analtico, salienta-se tambm que para uma
simulao com resultados mais precisos seria necessrio outra ferramenta de processamento
de dados j que o software Microsoft Excel limita o nmero de entrada de dados.
Referncias
BARBOSA, R. A. Modelagem e anlise do sistema de filas de caixas de pagamento em
uma drogaria: uma aplicao da teoria das filas . In: XXIX Encontro Nacional De
Engenharia De Produo A Engenharia De Produo E O Desenvolvimento Sustentvel:
Integrando Tecnologia E Gesto. Salvador, BA, Brasil, 06 a 09 de outubro de 2009.
BOUZADA, M. O uso de ferramentas quantitativas em call centers o caso Contax. Rio
de Janeiro: COPPEAD. Tese (Doutor. COPPEAD/UFRJ) Universidade Federal do Rio de
Janeiro, 2006 .
BOUZADA, M. Simulao Versus mtodos analticos: uma ferramenta didtica na
forma de discusso terica. Revista Eletrnica da Administrao. V. 12. N.1. Ed. 22.JanJun-2013.
CARNEIRO, W. M. Modelos de filas e simulao para anlise do design de linhas
ferrovirias singelas. 2010. Dissertao (Mestrado Engenharia de Produo) Universidade
Federal de Minas Gerais, Belo Horizonte, 2010.
COSTA, M.A.B. Um modelo baseado em conhecimento para simular rebanhos de
bovinos de corte. 2004. 188 p. Tese (Doutorado em Engenharia Eltrica e de Computao) Faculdade de Engenharia Eltrica e de Computao, Universidade Estadual de Campinas,
Campinas, 2004.
CHWIF, L.; MEDINA, A. C. Modelagem e Simulao de Eventos Discretos: Teoria e
Aplicaes. 3. Ed. rev. So Paulo: Ed. do Autor, 2010.
FILHO, C. P. Introduo simulao de sistemas. So Paulo. Editora da Unicamp, 1995.
HILLIER, F. S; LIEBERMAN, G. J. Introduo Pesquisa Operacional. 8 Edio. So
Paulo: McGraw-Hill, 2006.
LAW, A., Simulation Modeling and Analysis. 4 th ed. New York, McGraw-Hill, 2010.
15/16
ANAIS
OLIVEIRA, S.D.; SAMPAIO, P. G.V . Estudo de modelagem e simulao de filas num
supermercado associado anlise de cenrios. In: XXXIII Encontro Nacional de
Engenharia de Produo. Salvador , BA, Brasil, 08 a 11 de outubro de 2013.
PRADO, D. Teoria das Filas e da Simulao. Belo Horizonte, Ed. de Desenvolvimento
Gerencial, 1999, 122p.
RAGSDALE, C. Spreadsheet Modeling and Decision Analysis. Tennessee: South-Western,
2001.
SINAY M. C. F. Modelagem de Filas a Partir de Diagramas de Fluxos. In: XXVI SBPOSimpsio Brasileira de Pesquisa Operacional. So Joo dei-Rei, MG, Brasil, 23 a 26 de
Novembro de 2004.
16/16