
Product AI: Gestão de Produtos com IA
Aplique IA em descoberta, priorização e roadmap: da pesquisa com usuários ao backlog, com prompts e fluxos prontos para o dia a dia de PM.
9hs
Online ao Vivo
Próxima turma
Vagas abertas19 a 21 de outubro de 2026
R$ 1.870
+5% de desconto no PIX
Quero saber mais![Infográfico da Lei de Kingman mostrando como a ocupação e a variabilidade afetam o tempo médio de espera em uma fila. No topo, apresenta a aproximação Wq ≈ [ρ/(1−ρ)] × [(Ca² + Cs²)/2] × E[S], em que ρ é a ocupação, Ca a variação das chegadas, Cs a variação do serviço e E[S] o tempo médio de serviço. O gráfico relaciona ocupação do time, de 0 a 100%, no eixo horizontal, com espera na fila, medida em múltiplos do tempo médio de serviço, no eixo vertical. Quatro curvas representam fatores de variabilidade 2,00, 1,00, 0,50 e 0,25. Todas crescem de forma acentuada à medida que a ocupação se aproxima de 100%, mas quanto maior a variabilidade, maior é a espera para uma mesma ocupação. Uma linha vertical destaca 85% de ocupação e compara dois times com a mesma capacidade e tempo médio por item: o Time A, com menor variabilidade, apresenta espera de aproximadamente 2,5 vezes E[S], enquanto o Time B, com alta variabilidade, apresenta cerca de 12,3 vezes E[S], quase cinco vezes mais. O infográfico conclui que a ocupação indica quão perto o sistema está do limite, enquanto a variabilidade determina a intensidade do crescimento da espera.](https://mdzcdqdeyrcmpnnputvw.supabase.co/storage/v1/object/public/siteK21-course-images/blog/lei-de-kingman-por-que-baixar-o-wip-nao-bastou-variabilidade/lei-de-kingman-variabilidade.webp)
















