Decomposição do problema logístico de localização de instalações em um modelo híbrido de clusterização-localização
|
|
- Fátima Peralta Pinhal
- 8 Há anos
- Visualizações:
Transcrição
1 Decomposição do problema logístico de localização de instalações em um modelo híbrido de clusterização-localização Arnaldo Rabello de Aguiar Vallim Filho Faculdade de Computação e Informática, Universidade Presbiteriana Mackenzie , São Paulo, SP aavallim@mackenzie.com.br 1. Introdução O problema da localização de instalações logísticas é, em geral, tratado com o uso de técnicas de Pesquisa Operacional, sendo a mais utilizada a modelagem através de programação linear inteira mista. Nos problemas reais com um número grande de pontos de demanda surgem dificuldades práticas para a solução do problema através desses modelos de otimização, pois os problemas se tornam em geral, do tipo NP- Difícil. Este termo está relacionado à complexidade do algoritmo, que é caracterizada por sua classe. Esta classe NP- Difícil engloba os problemas com os mais complexos algoritmos. Problemas de localização de instalações logísticas estão na classe NP-Difícil, o que em termos práticos acaba significando que problemas de pequeno porte podem ser resolvidos por modelos de otimização, porém há um limite, pois o tempo de solução cresce exponencialmente com a dimensão do problema. O que os autores costumam fazer é subdividir o problema ou proceder a relaxações em restrições de forma a poder aplicar um modelo de otimização (Crainic and Laporte, 1997; Daskin, 1995; Geoffrion and Graves, 1974; Geoffrion and Powers, 1995). Uma outra abordagem é através de metaheurísticas, que são princípios organizados em torno de uma estratégia geral de busca que levam a uma solução para o problema (Pirlot, 1996). Algumas destas metaheurísticas são inspiradas em processos encontrados na natureza, como: algoritmos genéticos (genetic algorithms), colônia de formigas (ant colony), redes neurais (neural nets) e têmpera simulada (simulated annealing). Outras porém, como a Busca Tabu (Tabu Search) têm uma lógica própria. As metaheurísticas podem ser consideradas como técnicas que estão na fronteira entre Pesquisa Operacional e Inteligência Artificial (Colorni et al., 1996). A pesquisa aqui desenvolvida faz uso destes dois tipos de abordagem: decomposição do problema em conjunto com uma metaheurística, resultando em um modelo híbrido, que mescla a metaheurística com um modelo de otimização. O processo é constituído de duas etapas: uma primeira em que se desenvolve uma clusterização dos pontos de demanda de carga da operação logística e em seguida aplica-se um modelo de otimização em cada cluster para se identificar a localização ótima para uma instalação logística.. A clusterização tem por base a metaheurística Tabu Search (TS). Esta é uma metaheurística já bastante conhecida, que tem sido utilizada em uma variedade de aplicações. Este artigo procura desenvolver e estruturar a técnica para este tipo particular de problema. O modelo de otimização empregado é um modelo clássico, conhecido como p-medianas (Daskin, 1995). A metodologia foi aplicada a um problema em que se conhecia sua efetiva solução ótima, de forma se ter um referencial para avaliar a metodologia proposta. Como será visto no decorrer do trabalho, todo o processo teve um comportamento bastante adequado. Na próxima seção é apresentada uma revisão da literatura disponível sobre o assunto de forma a alicerçar o desenvolvimento metodológico que foi conduzido. Na seção seguinte é apresentada a metaheurística Tabu Search e o modelo de otimização empregado no estudo. A seção 4 é dedicada à aplicação da metodologia e, finalmente, na seção 5 são apresentadas as conclusões e recomendações do estudo. 2. Revisão Bibliográfica Nesta seção será estudada inicialmente a questão da clusterização que será empregada na metodologia do estudo e, emseguida, modelos de otimização para localização de instalações. Do ponto de vista formal, poder-se-ia dizer que clusterização é o processo de
2 organizar elementos em grupos cujos membros são similares de alguma forma (Matteucci, 2006). A Estatística é a área que primeiro estudou tal tipo de problema. Em Estatística, a análise de clusters (Cluster Analysis) se enquadra dentro das chamadas técnicas de Análise Multivariada. Nesse sentido, a análise de clusters identifica tipos de elementos ou populações (no sentido estatístico) que se abrigariam sob uma massa de dados que se constituiriam em amostras dessas populações. Mais recentemente com o crescimento das aplicações de computação o assunto ganhou um novo impulso, em particular com o crescimento das áreas de Mineração de Dados e Geometria Computacional. Em Mineração de Dados o conceito básico é que os elementos de um cluster devem possuir um grau de similaridade maior com os outros elementos de seu próprio cluster do que com indivíduos de outros clusters. Neste caso, pode-se ter o problema de K-Clusterização que ocorre quando K é pré-definido. Já quando K não é previamente conhecido, tem-se o Problema de Clusterização Automática. Do ponto de vista de complexidade, os algoritmos de otimização para montagem de clusters se encontram na mais alta classe de complexidade (classe NP-Difícil). Assim, uma pesquisa em todo o espaço de soluções é inviável, dado o número de possibilidades. Desta forma, as soluções são alcançadas através de métodos heurísticos ou por meio de metaheurísticas. Os principais métodos são do tipo hierárquico ou de particionamento. O tipo hierárquico pode ser de aglomeração ou de divisão. Na estratégia hierárquica de aglomeração (bottom-up) pode-se iniciar com cada elemento se constituindo em um cluster, assim, cada cluster que tiver um tamanho maior que um terá sido composto por um conjunto de clusters. A união de clusters sempre ocorre com base em alguma medida de similaridade. Na estratégia hierárquica de divisão (top-down), se inicia com um só cluster e procede-se a uma seqüência de divisões, com base em algum critério. Quando o método é de particionamento, parte-se de um conjunto p de clusters e procede-se a um intercâmbio de elementos entre os clusters já formados. A cada rearranjo dos clusters tem-se uma nova configuração. Para se avaliar se a configuração deve ser aceita ou não é preciso uma função objetivo. Esta função é de grande importância, pois é fator decisivo do processo, devendo ser criteriosamente definida, de forma a ser efetivamente representativa do objetivo que se busca alcançar. No que tange especificamente à área Logística as estratégias hierárquica e de particionamento têm sido usadas com freqüência (Ballou, 1991b; Novaes et al., 2000; D Amico et al., 2002; Vallim F o., 2004). Em Logística o problema de clusterização, costuma ser identificado pelo termo districting. Estando a questão presente principalmente, em problemas de distribuição e também em localização de instalações. Neste caso, não é incomum ter que se trabalhar com centenas de locais candidatos a instalações e milhares de clientes o que leva naturalmente a um processo de agregação desses pontos. Do ponto de vista de modelagem matemática, tais pontos são representados por um conjunto de nós em uma rede logística. Francis et al. (1999) apresentam algumas razões para a clusterização. O primeiro aspecto a se considerar é o esforço computacional para resolver um modelo em um problema de localização. Conforme já dito a maior parte dos problemas é do tipo NP-Difícil (Daskin,1995), o que leva pesquisadores a procurar formas para reduzir as dimensões do problema. Um outro aspecto diz respeito à representação espacial da demanda. Na verdade, em problemas de médio e longo prazo, uma representação espacial do padrão de demanda, mais do que a demanda detalhada em si, é que determina os resultados do problema real no futuro. Assim, em termos de resultados a se obter, é melhor tratar com uma demanda clusterizada, do que com cada nó individual. Sobre o uso de métodos heurísticos ou de metaheurísticas aplicados à Logística há vários artigos na literatura. Ballou (1991b) sugere uma heurística para a montagem de clusters que é baseada na proximidade geográfica dos pontos de demanda. A heurística parte da idéia de que em princípio cada ponto se constitui em um cluster. Em seguida procura-se para cada ponto o cluster mais próximo e destes dois gera-se um novo. Este processo se repete até que um número desejado de clusters seja atingido. As coordenadas de um cluster corresponderão às coordenadas do centro de gravidade entre seus pontos. Novaes (1989) também estudou a questão de distribuição urbana e através de uma heurística desenvolve a subdivisão de
3 uma área de estudo criando um conjunto de anéis a partir de quadrículas elementares. Posteriormente, Novaes e Graciolli (1999) propuseram um novo procedimento para criação de clusters destinados a uma operação de distribuição de carga a ser efetuada em uma região de estudo. No modelo proposto a região é particionada em setores a partir de um depósito central. Os autores utilizam aqui o mesmo conceito utilizado por Novaes (1989) de quadrículas elementares. Novaes et al. (2000) desenvolvem outro trabalho nessa linha, gerando distritos homogêneos em termos de esforço de distribuição. É desenvolvida uma heurística para geração dos distritos e a solução é melhorada por meio de um algoritmo genético associado a um método de otimização direta, o chamado método do gradiente. Outro trabalho nesta linha é o de D Amico et al. (2002) que apresenta um redesenho de jurisdições policiais em Buffalo, New York. O artigo mostra o uso da metaheurística simulated annealing, que partindo de uma solução inicial pesquisa novas soluções que minimizem a heterogeneidade entre as cargas de trabalho dos policiais. Vallim F o e Gualda (2002) apresentaram uma heurística de clusterização de pontos de demanda de forma a identificar nesses clusters locais que se constituíssem em melhores candidatos a centros de distribuição. Estes candidatos são utilizados como entrada de modelos de otimização para a definição final dos locais. Em um outro artigo Vallim F o e Gualda (2004) trataram a localização de instalações a partir de clusters com o uso de um modelo de otimização combinado à metaheurística simulated annealing. Vallim F o (2004) combinou e aprimorou estas idéias fazendo uso de simulated annealing, para geração dos clusters e identificando a melhor posição teórica (MPT) em cada cluster para a localização de um centro de distribuição. Uma pesquisa era feita em torno desta MPT para identificar na rede, nós operacionalmente viáveis para a implantação da instalação. Outra metaheurística utilizada em clusterização é a Tabu Search (TS), que foi proposta por Glover (1986) e inicialmente foi aplicada a problemas de programação matemática, expandindo-se posteriormente para diversas áreas de aplicação, inclusive clusterização. Dentre as principais aplicações pode-se citar o problema clássico de partição de grafos que tem sido resolvido por esta técnica (Pirlot, 1996; Glover, 1990). Células de manufatura, que podem ser definidas por clusterização têm sido resolvidas por TS. O problema de roteirização, em que cada rota representa um cluster, é outro problema logístico que também tem sido resolvido por Tabu Search (Crainic e Laporte, 1997). Mais recentemente Furuta et. al (2005) fazem uso de uma técnica muito usada em geometria computacional, o diagrama de Voronoi, para resolver um problema de districting para alocação de ambulâncias. Galvão et. Al (2006) apresentaram um artigo em que resolvem um problema de districting fazendo uso do mesmo diagrama de Voronoi. Fazem isto, partindo de uma clusterização na forma de anéis subdivididos em setores e vão relaxando as fronteiras iniciais dos clusters. O processo é iterativo e vai transcorrendo até que uma convergência seja atingida. Considerando-se agora os principais modelos de otimização para a localização de instalações, tem-se o mais utilizado dos modelos que é conhecido como p-medianas. Este é um modelo de programação binária Daskin (1995) e tem aplicação para a definição de uma ou mais instalações (p instalações) que irão atender a um número n de pontos de demanda e/ou produção. Outro problema importante citado na literatura (Crainic e Laporte, 1997) é o problema da cobertura. Este problema tem dois tipos principais: um primeiro em que se deve atender a uma cobertura requerida e um outro em que se otimiza o nível de cobertura. O modelo utilizado para a solução do primeiro tipo de problema de cobertura ( set covering problem ) tem o objetivo de minimizar o custo de localização de forma a atender um dado nível de cobertura. Este modelo permite que se verifique o número necessário de instalações para se atingir o nível desejado de cobertura. Entretanto, em muitas aplicações práticas verifica-se que o orçamento não será suficiente para a implementação de todas as instalações definidas pelo modelo. Surge então o segundo tipo de problema, que agora procura otimizar a cobertura. A otimização é feita no sentido de se utilizar os recursos disponíveis, localizando-se um número fixo de instalações e buscando-se maximizar a demanda atendida dentro da distância máxima de atendimento. Este problema é conhecido como o problema da maximização da cobertura ( maximal covering problem ). O terceiro tipo
4 clássico de modelo de programação linear inteira mista aplicado a problemas de localização é o problema do centro ( center problem ). Neste caso, a função objetivo simplesmente busca minimizar a distância máxima entre qualquer nó de demanda e sua instalação mais próxima. A literatura é extensa nesta área, tendose buscado aqui um foco nos modelos mais conhecidos e que poderão ser utilizados neste estudo. 3. Desenvolvimento da Modelagem Esta seção apresenta inicialmente a metaheurística escolhida para ser utilizada neste trabalho e em seguida é descrito todo o processo de modelagem empregado. 3.1 Metaheurística Tabu Search A metaheurística Tabu Search (TS) desenvolve todo o seu procedimento em torno de três princípios básicos (Viana, 1998): a chamada Lista Tabu, que guarda as últimas soluções; o mecanismo de aceitação ou não de uma solução com base na lista tabu e a alternância entre estratégias de diversificação e intensificação de soluções O TS parte de uma configuração inicial para o sistema, que pode ter sido definida por algum outro método ou pode ter sido simplesmente adotada para dar início ao processo. Deve-se também definir uma função objetivo que se deseja otimizar. Uma configuração equivale a um dos arranjos possíveis dos componentes do sistema em estudo. A cada configuração corresponde um valor da função objetivo. Vizinhança é o conjunto de configurações que podem ser geradas a partir de uma dada configuração. A partir da configuração inicial procede-se a perturbações nesta configuração de forma a se desenvolver uma pesquisa de outras soluções em toda a sua vizinhança ou em uma subvizinhança, se esta for muito ampla. De forma a se evitar situações cíclicas, TS introduz o conceito de Lista Tabu. Mantêm-se na Lista Tabu as últimas soluções encontradas. A melhor solução de uma vizinhança só é aceita se não pertencer à lista. A função principal da Lista Tabu é incentivar a diversificação da pesquisa de soluções (Pirlot, 1996). Um outro ponto sobre a lista tabu diz respeito à sua dimensão (número de soluções a guardar) que pode ser de tamanho fixo ou variável. Neste tipo de estratégia o tamanho da lista é sorteado a cada iteração. E este tamanho é mantido por um número de iterações, que costuma ser utilizado na prática em duas vezes o tamanho da lista tabu (Viana, 1998). Pode-se dizer assim, que se está trabalhando com blocos de iterações. Cada bloco passa a ter um número pré-definido de iterações. Atingido aquele número de iterações um novo tamanho de lista é sorteado. Glover (1990 e 1993) ressalta a importância de um outro lado da questão. Se a lista tabu trabalha com atributos da solução, pode ocorrer de serem excluídas não somente as soluções que efetivamente já ocorreram, mas também outras soluções que poderiam eventualmente levar a regiões ainda não visitadas. Para solucionar esta questão, o TS oferece um outro mecanismo que desconsidera a lista tabu para aqueles casos em que se atinge uma solução suficientemente boa. Esta solução suficientemente boa é definida com base na chamada função de Aspiração ou Nível de Aspiração. Esta é uma função que define quando uma solução deve ser aceita, independentemente do fato de estar ou não na lista tabu. Um exemplo de tal função seria aceitar uma solução que não tivesse sido ainda atingida. Um outro exemplo seria aceitar uma solução desde que apresentasse um dado nível de evolução. O processo proposto para este estudo parte de uma solução inicial que pode ter sido simplesmente adotada ou então gerada por alguma heurística específica para montagem de clusters. Vallim Fo (2004) propõe uma heurística com tal finalidade. Foi adotada a estratégia de particionamento para a montagem dos clusters, em que a partir da configuração inicial se inicia um processo de migração de pontos entre os clusters de forma a se buscar melhores soluções. Uma solução vizinha de uma dada solução foi definida como sendo aquela mesma configuração de clusters, exceto por um único ponto que foi realocado para um cluster adjacente. Esta definição de vizinho tem como resultado que a cada iteração todas as soluções da vizinhança serão testadas, fazendo-se com que todos os pontos na fronteira entre dois cluster adjacentes mudem de um cluster para outro. Sobre a função objetivo seria importante definir algo que gerasse clusters aproximadamente equivalentes aos pontos que seriam atendidos por instalações que fossem geradas por um modelo de otimização. O
5 modelo de otimização busca minimizar o custo do Momento de Transporte, que corresponde ao peso multiplicado pela distância (ton.km) gerada na operação. Assim, buscou-se uma função objetivo que usasse este mesmo indicador. Adotou-se desta forma, uma função proposta por Vallim Fo (2004), que é definida pelo grau de homogeneidade (GH) dos clusters, conforme a equação 3.1: s TKM 1.100, se s TKM TKM m GH TKMm 0, em caso contrário Sujeita a: Y 1 ( j 1,2,... n) i ij i j Mín D. d. Y j i j i j (3.1) onde: s TKM = desvio padrão dos momentos de transporte dos clusters TKM m = média do momento de transporte dos clusters Foi adotada esta função objetivo, para se buscar no processo de clusterização a uniformização do nível esperado de produção de transporte em cada cluster. Com isto o os custos das operações devem se reduzir, o que deve gerar uma tendência de que a configuração final de clusters seja próxima daquela que seria gerada por um modelo de otimização. 3.2 Modelo de Otimização Uma vez aplicado o TS e definidos os clusters, um modelo de otimização foi empregado para estabelecer a localização de uma instalação por cluster. Foi estabelecido como objetivo do processo que se buscasse a minimização do esforço de produção de transporte na operação logística de atendimento aos pontos de demanda. Este esforço de produção, conforme seção anterior, é medido pelo Momento de Transporte. Buscou-se assim, um modelo que atendesse a este requisito. O modelo de p-medianas tem uma função objetivo definida exatamente desta forma, sendo, portanto, bastante adequado para o estudo e, tendo sido assim, o modelo escolhido. O modelo de p-medianas é um modelo clássico de programação binária Daskin (1995), sendo sua estrutura apresentada abaixo: (3.2) (3.3) onde: Y i j X i X i p i Y X 0 ( i 1,2,... N ; j 1,2,...) n ij i Y i j, { 0,1}, i j X i {0,1}, i { 1 { 1 se a instalação no nó 0 em caso contrário (3.4) (3.5) (3.6) (3.7) D j = demanda na região representada pelo nó j d ij = distância ao nó j da instalação localizada em i; i atende a região j uma instalação foi ativada no nó i 0 em caso contrário A função objetivo (3.2) representa a soma dos momentos de transporte associados a todos os pontos de demanda, que devem ser minimizados. As restrições (3.3) buscam garantir que cada região seja atendida por uma única instalação. Em (3.4) estabelece-se que o número de instalações deve ser igual a p. As condições (3.5) determinam que as regiões só podem ser atendidas por uma instalação ativa. Em (3.6) faz-se a ligação entre as instalações e as regiões sendo atendidas. Finalmente, em (3.7), através da variável X i, define-se se uma instalação é ativa ou não. Este modelo tem aplicação para a definição de uma ou mais instalações (p instalações) que irão atender a um número n de pontos. O modelo define um dado número de instalações que se deseja implantar em uma rede logística, a partir de um conjunto de locais candidatos. 4. Aplicação da Metodologia Para a aplicação da metodologia proposta foi preparado um experimento que permitisse que se aplicasse um modelo de otimização de forma a se estabelecer sua efetiva solução ótima. Uma vez aplicada a metodologia, a solução obtida pode ser comparada com a solução ótima de forma avaliar seu desempenho. O experimento desenvolvido foi baseado em um conjunto de pontos gerados aleatoriamente no plano. Novaes (1989) mostrou que a distância entre pontos próximos pode ser representada pela distribuição de Rayleigh. Isto é feito imaginando-se um círculo de raio r
6 (r>0) com o ponto P em seu centro. O autor procura estabelecer a função de probabilidade acumulada da distância d de um ponto P ao seu ponto mais próximo, F(d)=P(dr), demonstrando que se a probabilidade de que existam n outros pontos (n>0) no círculo de raio r for dada por uma distribuição de Poisson, então F(d) será uma distribuição de Rayleigh. O experimento foi rodado em um computador com processador Intel, Pentium 4, com clock de 2,8 GHz e memória RAM de 256 MB. Com esta configuração o tempo médio de processamento foi de 4 segundos, com lista tabu de tamanho fixo, e 11 segundos, com lista tabu de tamanho variável. Os clusters gerados na solução ótima são apresentados na figura 4.1, tendo sido obtido um GH bastante elevado igual a 96,1%. Figura 4.1 Clusterização Solução Ótima Na fase seguinte o modelo p-medianas foi rodado inicialmente para todo o conjunto de pontos, de forma a se obter a solução ótima para cinco instalações. Em seguida, o modelo foi aplicado cinco vezes, uma vez para cada cluster, tendo sido obtidas as localizações ótimas de cinco instalações. A solução obtida nas duas aplicações foi exatamente a mesma, conforme apresentado na figura 4.2. Figura 4.2 Clusters e Localização das Instalações - Solução Ótima 5. Conclusões e Recomendações Esta pesquisa procurou dar uma contribuição ao problema da localização de instalações desenvolvendo uma decomposição do problema em um conjunto de clusters. Como conclusão final do estudo, podese dizer que o modelo híbrido, que mescla uma metaheurística com um modelo de otimização, se mostrou satisfatório tendo atingido no experimento desenvolvido a solução ótima do problema. Fato que pode ser confirmado, uma vez que tal solução já era conhecida. Do ponto de vista prático, a possibilidade de decomposição do problema da localização em problemas menores abre um enorme campo de aplicações dos modelos de otimização, que hoje vêm sua ação limitada a problemas de menor porte, devido à sua complexidade. Os resultados aqui obtidos, entretanto, podem ser considerados como um primeiro passo de uma linha de pesquisa que se abre. É necessário que estes resultados sejam confirmados por novas experiências. Vislumbra-se assim, para trabalhos futuros um desenvolvimento desta linha. Novos experimentos devem ser planejados de forma a contemplar variações nos diferentes fatores que estão envolvidos no problema. Estes estudos deveriam ser desenvolvidos dentro de padrões estatísticos de planejamento de experimentos, dando assim, uma confiabilidade científica aos seus resultados. Desta forma, seria possível confirmar se as conclusões aqui obtidas se confirmam, podendo ser generalizadas, ou se são válidas apenas dentro de certas condições. Referências [1] Ballou, R. H. (2006). Gerenciamento da cadeia de suprimentos/logística empresarial. Bookman Cia. Editora. Porto Alegre, RS. 616 p. [2] (1991b). Measuring transport costing error in customer aggregation for facility location ; Transportation Journal, Spring, p [3] Colorni,A., Dorigo, M., Maffioli, F., Maniezzo, V., Righini, G., Trubian, M. (1997). Heuristics from nature for hard combinatorial optimization problems ; International Transactions in Operational Research, No.3.1,p
7 [4] Crainic, T.G. e Laporte, G. (1997). Planning models for freight transportation. European Journal of Operational Research 97, p [5] D Amico, S. J.; Shoou-Jiun, W.; Batta, R.; Rump, C. M. (2002). A simulated annealing approach to police district design. Computers and Operations Research. Vol 29, pp [6] Daskin, M. S. (1995). Network and discrete optimization. John Wiley & Sons Inc. N.Y. [7] Francis, R.L.; Rushton, G.; Rayco, M.B. (1999). "A synthesis of aggregation methods for multi-facility location problems: strategies for containing error," Geographical Analysis ,31. [8] Furuta, T.; Suzuki A.; Inakawa, K. (2005).The kth nearest network Voronoi diagram and its application to districting problem of ambulance systems. Technical Report Nanzan University. [9] Galvão, L.C., Novaes, A. G., Cursi, J. E. S., Souza, J. C. (2006). A multiplicativelyweighted Voronoi diagram approach to logistics districting. Computers and Operations Research. Volume 33, Issue 1. pp: [10] Geoffrion,A.M., Graves, G.W. (1974). Multicommodity distribution system design by Benders decomposition ; Management Science, Vol. 20, No. 5, [11] Geoffrion,A.M., Powers, R.F. (1995). Twenty years of strategic distribution system design: an evolutionary perspective ; Interfaces, Vol. 25, N. 5, p [12] Glover, F. (1986). Future paths for integer methods for integer programming and links to artificial intelligence. Computers and Operations Research. n. 13, p [13] (1990). Tabu search: a tutorial. Interfaces. July-August, 1990, pp [14] (1993). A user s guide to tabu search. Annals of Operations Research, 41, pp [15] Matteucci, M. (2006). Tutorial in clustering. Politecnico di Milano. Department of Eletronics and Information. Milano, Italy. Disponível em 15/05/2006 no endereço: Clustering/tutorial_html/ [16] Novaes, A.G. (1989). Sistemas logísticos. Editora Edgard Blücher, São Paulo. 372 p. [17] Novaes, A.G.; Graciolli, O. D. (1999). Designing multi-vehicle delivery tours in a grid-cell format. European Journal of Operations Research. Vol. 119, p [18] Novaes, A.G.; Cursi, J. E. S.; Graciolli, O. D. (2000). A continuous approach to the designing of physical distribution systems. Computers and Operations Research. Vol. 27, pp [19] Ochi, L. S., Dias, C. R., Soares, S. S. F. (2005). Clusterização em mineração de dados. Documento Técnico do Programa de Pós-Graduação em Computação. Instituto de Computação da Universidade Federal Fluminense. Niterói, RJ. [20] Pirlot, M. (1996). General local search nethods. European Journal of Operational Research. No. 92, p [21] Vallim F o, A. R. A. (2004) Localização de centros de distribuição de carga: contribuições à modelagem matemática. Tese de Doutorado, Escola Politécnica da Universidade de São Paulo. São Paulo, 286p. [22] Vallim F o, A. R. A., Gualda, N. D. F (2002). A quantitative procedure for selecting best candidates for distribution center locations. IMRL Fourth International Meeting for Research in Logistics, 2002, Lisboa. v.3. p [23] (2004). Heuristics, metaheuristics and optimization models for the distribution centers location problem. XII Panamerican Conference on Traffic and Transportation Engineering, Albany, NY.
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisTécnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 14
1 Introdução O termo "roteamento de veículos" está relacionado a um grande conjunto de problemas de fundamental importância para a área de logística de transportes, em especial no que diz respeito ao uso
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisUma Heurística para o Problema de Redução de Padrões de Corte
Uma Heurística para o Problema de Redução de Padrões de Corte Marcelo Saraiva Limeira INPE/LAC e-mail: marcelo@lac.inpe.br Horacio Hideki Yanasse INPE/LAC e-mail: horacio@lac.inpe.br Resumo Propõe-se um
Leia maisA Otimização Colônia de Formigas
A Otimização Colônia de Formigas Estéfane G. M. de Lacerda Departamento de Engenharia da Computação e Automação UFRN 22/04/2008 Índice A Inspiração Biológica O Ant System Aplicado ao PCV O Ant System Aplicado
Leia maisAlgoritmos Genéticos
UNIVERSIDADE PRESBITERIANA MACKENZIE Laboratório de Computação Natural LCoN I ESCOLA DE COMPUTAÇÃO NATURAL Algoritmos Genéticos Rafael Xavier e Willyan Abilhoa Outubro/2012 www.computacaonatural.com.br
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Introdução. Prof. Humberto Brandão humberto@dcc.ufmg.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Introdução Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal de
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisDISCIPLINA: Métodos Heurísticos
DISCIPLINA: Métodos Heurísticos CURSO(S): Licenciatura em Engenharia e Gestão Industrial Licenciatura em Engenharia de Sistemas e Informática Licenciatura em Matemática Aplicada Licenciatura em Matemática
Leia maisInteligência de Enxame: ACO
Inteligência de Enxame: ACO! Otimização colônia de formigas é uma meta-heurística: «baseada em população «inspirada no comportamento forrageiro das formigas.! Muitas espécies de formigas são quase cegas.!
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br
Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisINVESTIGAÇÃO OPERACIONAL EM AÇÃO
INVESTIGAÇÃO OPERACIONAL EM AÇÃO CASOS DE APLICAÇÃO RUI CARVALHO OLIVEIRA JOSÉ SOEIRO FERREIRA (EDITORES) IMPRENSA DA UNIVERSIDADE DE COIMBRA COIMBRA UNIVERSITY PRESS CASO 7 SISTEMA DE APOIO À DECISÃO
Leia mais3 Metodologia e Objeto de estudo
Metodologia e Objeto de estudo 36 3 Metodologia e Objeto de estudo Neste capítulo, através da explanação da metodologia de pesquisa e do objeto de estudo, serão definidas as questões centrais de estudo,
Leia maisIA Colônia de Formigas. Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA Colônia de Formigas Prof. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução O Experimento da Ponte Binária. Ant System Aplicado ao PCV. Elitist Ant System. Introdução Otimização colônia
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisClassificação: Determinístico
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos
Leia mais2 Problema das p-medianas
2 Problema das p-medianas 2.1 Definição O PMNC é definido da seguinte forma: determinar quais p facilidades (p m, onde m é o número de pontos onde podem ser abertas facilidades) devem obrigatoriamente
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisPodemos encontrar uma figura interessante no PMBOK (Capítulo 7) sobre a necessidade de organizarmos o fluxo de caixa em um projeto.
Discussão sobre Nivelamento Baseado em Fluxo de Caixa. Item aberto na lista E-Plan Podemos encontrar uma figura interessante no PMBOK (Capítulo 7) sobre a necessidade de organizarmos o fluxo de caixa em
Leia maisGovernança de TI. ITIL v.2&3. parte 1
Governança de TI ITIL v.2&3 parte 1 Prof. Luís Fernando Garcia LUIS@GARCIA.PRO.BR ITIL 1 1 ITIL Gerenciamento de Serviços 2 2 Gerenciamento de Serviços Gerenciamento de Serviços 3 3 Gerenciamento de Serviços
Leia maisAnálise e Complexidade de Algoritmos
Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com
Leia maisBUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH)
BUSCA LOCAL ITERADA (ILS ITERATED LOCAL SEARCH) Francisco A. M. Gomes 1º sem/2009 MT852 Tópicos em pesquisa operacional Iterated local search (ILS) Método que gera uma sequência de soluções obtidas por
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia mais4 Estudos de Casos Problema Direto
35 4 Estudos de Casos Problema Direto Este capítulo mostra o resultado de simulações feitas a partir do modelo desenvolvido para veículos deformáveis descrito na tese de mestrado de DE CARVALHO, F. A.,
Leia maisFigura 1.1: Exemplo de links patrocinados no Google
1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura
Leia maisBusca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS
Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Autor:Thiago França Naves 1, Orientador: Carlos Roberto Lopes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade
Leia maisBalanceamento de Carga
40 4. Balanceamento de Carga Pode-se entender por balanceamento de carga uma política a ser adotada para minimizar tanto a ociosidade de utilização de alguns equipamentos quanto a super utilização de outros,
Leia maisLocalização dos inquéritos de rua para Arroios e Gulbenkian
Project IAAPE Pedestrian Accessibility and Attractiveness Indicators: Tool for Urban Walkability Assessment and Management Working Paper No. WP-8 Localização dos inquéritos de rua para Arroios e Gulbenkian
Leia maisAPLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS
APLICAÇÃO DE MÉTODOS HEURÍSTICOS EM PROBLEMA DE ROTEIRIZAÇÃO DE VEICULOS Bianca G. Giordani (UTFPR/MD ) biancaggiordani@hotmail.com Lucas Augusto Bau (UTFPR/MD ) lucas_bau_5@hotmail.com A busca pela minimização
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisNotas da Aula 17 - Fundamentos de Sistemas Operacionais
Notas da Aula 17 - Fundamentos de Sistemas Operacionais 1. Gerenciamento de Memória: Introdução O gerenciamento de memória é provavelmente a tarefa mais complexa de um sistema operacional multiprogramado.
Leia maisInstalações Máquinas Equipamentos Pessoal de produção
Fascículo 6 Arranjo físico e fluxo O arranjo físico (em inglês layout) de uma operação produtiva preocupa-se com o posicionamento dos recursos de transformação. Isto é, definir onde colocar: Instalações
Leia mais5 Resultados. 1 Os resultados apresentados foram obtidos com 1 rodada do simulador.
5 Resultados A dificuldade em modelar analiticamente o comportamento de sistemas celulares hierarquizados faz com que grande parte dos estudos de desempenho destes sistemas seja baseada em simulações.
Leia maisNa medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.
1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados
Projeto e Análise de Algoritmos Projeto de Algoritmos Heurísticas e Algoritmos Aproximados Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas Departamento de Ciências
Leia maisProjeto 2.47 QUALIDADE DE SOFTWARE WEB
OBJETIVO GERAL Projeto 2.47 QUALIDADE DE SOFTWARE WEB Marisol de Andrade Maués Como objetivo geral, buscou-se avaliar a qualidade de produtos Web, tendo como base o processo de avaliação de qualidade descrito
Leia maisMeta-heurísticas. Métodos Heurísticos José António Oliveira zan@dps.uminho.pt. meta-heurísticas
Meta-heurísticas 105 meta-heurísticas Propriedades e Características: são estratégias que guiam o processo de pesquisa; - o objectivo a atingir é a exploração eficiente do espaço de pesquisa de modo a
Leia maisEste trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo
1 Introdução A atual regulamentação do setor elétrico brasileiro, decorrente de sua reestruturação na última década, exige das empresas o cumprimento de requisitos de disponibilidade e confiabilidade operativa
Leia maisCálculo Aproximado do número PI utilizando Programação Paralela
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Cálculo Aproximado do número PI utilizando Programação Paralela Grupo 17 Raphael Ferras Renan Pagaiane Yule Vaz SSC-0143 Programação
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisProjeto Você pede, eu registro.
Projeto Você pede, eu registro. 1) IDENTIFICAÇÃO 1.1) Título do Projeto: Você pede eu registro. 1.2) Equipe responsável pela coordenação do projeto: Pedro Paulo Braga Bolzani Subsecretario de TI Antonio
Leia maisAspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos
Aspectos Teóricos e Computacionais do Problema de Alocação de Berços em Portos Marítmos Flávia Barbosa Universidade Estadual de Campinas (UNICAMP) flaflabarbosa0@gmail.com Antônio Carlos Moretti Universidade
Leia maisFrancisca Raquel de Vasconcelos Silveira Gustavo Augusto Lima de Campos Mariela Inés Cortés
Francisca Raquel de Vasconcelos Silveira Gustavo Augusto Lima de Campos Mariela Inés Cortés Introdução Trabalhos Relacionados Abordagem Proposta Considerações Finais Conclusão Trabalhos Futuros 2 Agentes
Leia maisComputação Paralela. Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho.
Computação Paralela Desenvolvimento de Aplicações Paralelas João Luís Ferreira Sobral Departamento do Informática Universidade do Minho Outubro 2005 Desenvolvimento de Aplicações Paralelas Uma Metodologia
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisCapacidade = 512 x 300 x 20000 x 2 x 5 = 30.720.000.000 30,72 GB
Calculando a capacidade de disco: Capacidade = (# bytes/setor) x (méd. # setores/trilha) x (# trilhas/superfície) x (# superfícies/prato) x (# pratos/disco) Exemplo 01: 512 bytes/setor 300 setores/trilha
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisOn Scalability of Software-Defined Networking
On Scalability of Software-Defined Networking Bruno dos Santos Silva bruno.silva@ic.uff.br Instituto de Computação IC Universidade Federal Fluminense UFF 24 de Setembro de 2015 B. S. Silva (IC-UFF) On
Leia maisPrograma de Capacitação em Gestão do PPA Curso PPA: Elaboração e Gestão Ciclo Básico. Elaboração de Planos Gerenciais dos Programas do PPA
Programa de Capacitação em Gestão do PPA Curso PPA: Elaboração e Gestão Ciclo Básico Elaboração de Planos Gerenciais dos Programas do PPA Brasília, abril/2006 APRESENTAÇÃO O presente manual tem por objetivo
Leia maisSistemas Operacionais
Sistemas Operacionais Aula 13 Gerência de Memória Prof.: Edilberto M. Silva http://www.edilms.eti.br Baseado no material disponibilizado por: SO - Prof. Edilberto Silva Prof. José Juan Espantoso Sumário
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisVISÃO SISTÊMICA EM GERENCIAMENTO DE PROJETOS PARA WEB
VISÃO SISTÊMICA EM GERENCIAMENTO DE PROJETOS PARA WEB Rogério Fernandes da Costa Professor especialista Faculdade Sumaré rogerio.fernandes@sumare.edu.br Resumo: O presente estudo tem como objetivo abordar
Leia maisRoteiro para preparação de proposta de Trabalhos Técnico-Científicos
1 Roteiro para preparação de proposta de Trabalhos Técnico-Científicos Prof. Valdemir Carrara www.valcar.net www.carrara.us 2 1 INTRODUÇÃO Na introdução deve-se descrever os objetivos principais do trabalho
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisArquitetura de Computadores - Arquitetura RISC. por Helcio Wagner da Silva
Arquitetura de Computadores - Arquitetura RISC por Helcio Wagner da Silva Introdução RISC = Reduced Instruction Set Computer Elementos básicos: Grande número de registradores de propósito geral ou uso
Leia maisEngenharia de Software: Introdução. Mestrado em Ciência da Computação 2008 Profa. Itana Gimenes
Engenharia de Software: Introdução Mestrado em Ciência da Computação 2008 Profa. Itana Gimenes Programa 1. O processo de engenharia de software 2. UML 3. O Processo Unificado 1. Captura de requisitos 2.
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisGerenciamento de projetos. cynaracarvalho@yahoo.com.br
Gerenciamento de projetos cynaracarvalho@yahoo.com.br Projeto 3URMHWR é um empreendimento não repetitivo, caracterizado por uma seqüência clara e lógica de eventos, com início, meio e fim, que se destina
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisUso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias.
Uso de SAS/OR para diminuir o tempo de resposta com um melhor posicionamento de ambulâncias. Fábio França 1, 1 Logical Optimization Rua Tanhaçu número 405, CEP 05679-040 São Paulo, Brasil fabio.franca@optimization.com.br
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisCAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA
CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA Constata-se que o novo arranjo da economia mundial provocado pelo processo de globalização tem afetado as empresas a fim de disponibilizar
Leia maisA MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1
A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1 A IMPORTÂNCIA DA MATEMÁTICA O desenvolvimento das sociedades tem sido também materializado por um progresso acentuado no plano científico e nos diversos domínios
Leia maisProposta para Formataça o de Franquia
Proposta para Formataça o de Franquia 1- O sistema de franchising para o seu negócio Quando falamos de franchising, não estamos falando de algum modismo e, sim, de um sistema de negócios que veio para
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia maisAnálise estrutural do problema de programação da produção F3 r j, s ijk C max
Análise estrutural do problema de programação da produção F3 r j, s ijk C max Sânia da Costa Fernandes (UFG) saninha_fernandes@hotmail.com Tatiane Albuquerque Pires (UFG) tati_albuquerque_3@hotmail.com
Leia maisArquiteturas RISC. (Reduced Instructions Set Computers)
Arquiteturas RISC (Reduced Instructions Set Computers) 1 INOVAÇÕES DESDE O SURGIMENTO DO COMPU- TADOR DE PROGRAMA ARMAZENADO (1950)! O conceito de família: desacoplamento da arquitetura de uma máquina
Leia maisOficina de Gestão de Portifólio
Oficina de Gestão de Portifólio Alinhando ESTRATÉGIAS com PROJETOS através da GESTÃO DE PORTFÓLIO Gestão de portfólio de projetos pode ser definida como a arte e a ciência de aplicar um conjunto de conhecimentos,
Leia maisO PAPEL DO OPERADOR LOGÍSTICO O PROCESSO DE AGREGAR VALOR AO CLIE TE ESTUDO DE CASO DA FASSI A
O PAPEL DO OPERADOR LOGÍSTICO O PROCESSO DE AGREGAR VALOR AO CLIE TE ESTUDO DE CASO DA FASSI A Thames Richard Silva Dissertação de Mestrado em Gestão de Negócios, Programa de Pós-Graduação em Gestão de
Leia maisDinâmicas de Acesso ao Espectro
Redes Cognitivas com Oportunidades Dinâmicas de Acesso ao Espectro Defesa de Tese Marcel William Rocha da Silva Orientador: José Ferreira de Rezende Roteiro Introdução e motivação Rádios cognitivos Oportunidades
Leia maisPortaria Inep nº 249, de 02 de junho de 2014. Publicada no Diário Oficial da União em 04 de junho de 2014.
Portaria Inep nº 249, de 02 de junho de 2014. Publicada no Diário Oficial da União em 04 de junho de 2014. O Presidente do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep),
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisAuxílio à distribuição geográca de recursos utilizando mineração de dados e aprendizado de máquina. M. G. Oliveira
Auxílio à distribuição geográca de recursos utilizando mineração de dados e aprendizado de máquina M. G. Oliveira Technical Report - RT-INF_001-11 - Relatório Técnico June - 2011 - Junho The contents of
Leia maisGESTÃO DAS PERDAS EM ALIMENTADORES DA COPEL
COMISSÃO DE INTEGRAÇÃO ENERGÉTICA REGIONAL COMITÊ NACIONAL BRASILEIRO V CIERTEC - SEMINÁRIO INTERNACIONAL SOBRE GESTÃO DE PERDAS, EFICIENTIZAÇÃO ENERGÉTICA E PROTEÇÃO DA RECEITA NO SETOR ELÉTRICO Área
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia mais1 http://www.google.com
1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou
Leia maisEngenharia de Software
Universidade São Judas Tadeu Profª Dra. Ana Paula Gonçalves Serra Engenharia de O Processo Uma Visão Genérica Capítulo 2 (até item 2.2. inclusive) Engenharia de - Roger Pressman 6ª edição McGrawHill Capítulo
Leia mais4 Arquitetura básica de um analisador de elementos de redes
4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme
Leia maisMuitas aplicações modernas podem ser modeladas como tarefas divisíveis.
1 Introdução O grande aumento de performance das redes de computadores, combinado com a proliferação de computadores de baixo custo e alto desempenho, trouxe à tona ambientes de meta-computação, ou grids[15,
Leia maisReferências internas são os artefatos usados para ajudar na elaboração do PT tais como:
Plano de Teste (resumo do documento) I Introdução Identificador do Plano de Teste Esse campo deve especificar um identificador único para reconhecimento do Plano de Teste. Pode ser inclusive um código
Leia maisGestão da Qualidade por Processos
Gestão da Qualidade por Processos Disciplina: Gestão da Qualidade 2º Bimestre Prof. Me. Patrício Vasconcelos adm.patricio@yahoo.com.br Gestão da Qualidade por Processos Nas empresas, as decisões devem
Leia maisPesquisa realizada com os participantes do 12º Seminário Nacional de Gestão de Projetos. Apresentação
Pesquisa realizada com os participantes do de Apresentação O perfil do profissional de Projetos Pesquisa realizada durante o 12 Seminário Nacional de, ocorrido em 2009, traça um importante perfil do profissional
Leia maisGESTÃO E OTIMIZAÇÃO DE PROCESSOS. Vanice Ferreira
GESTÃO E OTIMIZAÇÃO DE PROCESSOS Vanice Ferreira 12 de junho de 2012 GESTÃO E OTIMIZAÇÃO DE PROCESSOS: conceitos iniciais DE QUE PROCESSOS ESTAMOS FALANDO? GESTÃO E OTIMIZAÇÃO DE PROCESSOS: conceitos iniciais
Leia mais'LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU *OREDOGR(VWDGRGR56
LVWULEXLomR(VWDWtVWLFDGRV9DORUHV([WUHPRVGH5DGLDomR6RODU OREDOGR(VWDGRGR56 6X]DQH5DQ]DQ 6LPRQH0&HUH]HU&ODRGRPLU$0DUWLQD]]R Universidade Regional Integrada do Alto Uruguai e das Missões, Departamento de
Leia maisAjuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária
Ajuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária Marina Roberto Martins 1*, Fernando Palú 1 (1) Universidade Estadual do Oeste do Paraná, Curso de Engenharia Química. e-mail:
Leia maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia maisAbordagem de Processo: conceitos e diretrizes para sua implementação
QP Informe Reservado Nº 70 Maio/2007 Abordagem de Processo: conceitos e diretrizes para sua implementação Tradução para o português especialmente preparada para os Associados ao QP. Este guindance paper
Leia maisCurso: Redes II (Heterogênea e Convergente) Tema da Aula: Características Roteamento
Curso: Redes II (Heterogênea e Convergente) Tema da Aula: Características Roteamento Professor Rene - UNIP 1 Roteamento Dinâmico Perspectiva e histórico Os protocolos de roteamento dinâmico são usados
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia mais1. Introdução. 1.1 Apresentação
1. Introdução 1.1 Apresentação Empresas que têm o objetivo de melhorar sua posição competitiva diante do mercado e, por consequência tornar-se cada vez mais rentável, necessitam ter uma preocupação contínua
Leia mais