Desenho de uma rede Logística

Tamanho: px
Começar a partir da página:

Download "Desenho de uma rede Logística"

Transcrição

1 Desenho de uma rede Logístca Desenho da rede Logístca ( Logístca empresaral) Desenho do sstema através do qual exste um fluxo de produtos entre os fornecedores e os clentes. Desenho da rede Logístca ( setor públco) Determnar onde localzar os equpamentos que vão servr as comundades No desenho de uma rede logístca as questões prncpas são: Onde devem ser localzados os equpamentos Quantos equpamentos devem ser construídos Qual a dmensão (capacdade) de cada equpamento Qual o papel de cada equpamento no sstema Que mercados devem ser servdos a partr de cada equpamento Quas os fornecedores que devem servr cada equpamento Quas os equpamentos que devem ser desatvados, deslocados, ou redmensonados 1

2 As decsões sobre onde localzar os equpamentos são fetas no ínco quando se desenha o sstema logístco. Devem também ser tomadas quando há varações nos padrões de procura dos bens há alterações nos custos das matéras prmas, energa, trabalho novos produtos ou servços são lançados ou a produção de certos artgos é descontnuada As decsões sobre onde localzar são tomadas a nível estratégco e tátco Nível estratégco Quando as fábrcas são compradas ou construídas, o que envolve grandes nvestmentos. Neste caso, alterar as localzações ou os equpamentos é muto mprovável a médo ou curto prazo. Nível tátco Quando há aluguer de equpamento ou de espaço ou subcontratação de servços (as decsões tomadas podem ser reversíves a médo prazo) 2

3 A tomada de decsões sobre o desenho de uma rede logístca basea-se conhecmento de um conjunto de dados: no Localzação dos clentes, fornecedores, equpamentos já exstentes, Quas os produtos a consderar e a procura (estmada) por clente; Meos de transporte que podem ser utlzados e respetvos custos; Custos assocados aos potencas equpamentos a nstalar; Restrções orçamentas; Objetvos a atngr. Quantdade de dados a tratar é mutas vezes elevada Agregação dos dados Agregação por procura Agregação por produtos Os clentes podem ser agrupados de acordo com a sua localzação geográfca, nível de servço ou frequênca das entregas. Os produtos podem ser agrupados de acordo com o seu padrão de dstrbução (produtos produzdos pelas mesmas fábrcas e dstrbuídos aos mesmos clentes são agrupados e consderados um únco produto), ou com as suas característcas(peso,volume, forma,custo,..). 3

4 Classfcação dos Problemas de Localzação Os problemas de localzação podem ser classfcados de acordo com um grande número de ctéros. Potencas localzações dos equpamentos Os equpamentos podem ser localzados em qualquer ponto do plano sendo defnda uma métrca para calcular as dstâncas (por ex. dstânca eucldana, dstânca de Manhattan,..) (Localzação no Plano) Os equpamentos podem ser localzados em qualquer ponto de uma rede (nodos ou arcos) (Localzação em Redes) Os potencas locas para nstalar equpamentos são conhecdos e em número fnto (Localzação dscreta) Objetvos Problemas com um únco objetvo (Problemas de localzação mono objetvo) - Mnmzar os custos totas (custos de transporte+ custos de nstalação) -Maxmzar a procura satsfeta -Maxmzar a equdade na prestação de servços - Mnmzar a dstânca ao clente que se encontra mas afastado de um determnado servço -. Problemas com város objetvos confltuosos (Problemas de localzação mult-objetvo) 4

5 Horzonte Temporal Problemas em que se consdera um únco período (Problemas estátcos). As decsões são tomadas no níco do horzonte temporal e com base em estmatvas conhecdas para os requstos do sstema logístco. Problemas em que se consdera o horzonte temporal dvddo em város períodos (Problemas dnâmcos). No níco do horzonte temporal decde-se a sequênca de alterações a fazer em determnados nstantes dentro do horzonte temporal (por ex. quando abrr ou fechar equpamentos ou expandr capacdades) Certeza ou Incerteza nos dados Problemas em que se consdera que os dados são conhecdos com total certeza (Problema determnístco) Problemas em que se consdera de forma explícta a ncerteza assocada aos dados (Problemas estocástcos) Tpos de Equpamentos Problemas em que se consdera que os equpamentos nstalados são todos do mesmo tpo (por exemplo fábrcas, armazéns, centros de dstrbução,..) Problemas em que se consdera a nstalação smultanea de város tpos de equpamentos (por exemplo, nstalar fábrcas e centros de dstrbução) Tpos de Produtos Problemas em que se consdera que exste um únco produto ou servço a ser fornecdo pelos equpamentos a localzar e que a procura por parte dos clentes é dêntca. Problemas em que se consdera a exstênca de város produtos com característcas dferentes e nclusvamente a possbldade de consderar uma procura dferencada por parte dos clentes (por exemplo consderando prordades) 5

6 Interação entre equpamentos Em sstemas logístcos mas complexos pode consderar-se que exste fluxo de produtos entre equpamentos do mesmo tpo (por exemplo o fluxo de componentes, materas sem-acabados entre fábrcas). Neste caso, determnar a localzação ótma dos equpamentos depende não só da dstrbução espacal dos clentes para os produtos acabados como da localzação dos equpamentos relatvamente uns aos outros. Fluxo dos produtos Problemas em que se consdera apenas um nível, sto é, o fluxo de produtos que entra ou o fluxo de produtos que sa dos servços a localzar pode ser gnorado. Problemas em que se consdera a possbldade de localzar smultaneamente servços que pertencem a dferentes níves da cadea logístca de abastecmento (Problemas mult-nível ou herárqucos). Por exemplo, localzar smultaneamente fábrcas e centros de dstrbução em que exstem custos de transporte das fábrcas para os centros de dstrbução e destes para os clentes. Dvsbldade da procura Problemas em que cada clente é servdo por um só servço ou equpamento (por ex. por razões admnstratvas ou de contabldade) Problemas em que cada clente pode utlzar os servços de város servços ou equpamentos. 6

7 Influênca dos transportes nas decsões de localzação Problemas em que se consdera que o custo de transporte entre servços ou entre servços e clentes é proporconal à dstânca percorrda. Problemas em que se consdera que os clentes não são servdos dretamente nos equpamentos nstalados, mas sm através de veículos que saem do depósto, percorrem um certo conjunto de clentes, retornando depos ao depósto. Nestes casos, pretende-se localzar os servços de forma a mnmzar os custos totas (custos de nstalação dos servços+ custos dos veículos+custos das rotas efetuadas de modo a servr todos os clentes) (Problemas de localzação-dstrbução). Localzação dos Retalhstas No planeamento de uma rede de lojas ou retalhstas pretende-se determnar a localzação ótma no sentdo de competr com as outras lojas ou retalhstas. Neste contexto, prever as recetas esperadas é dfícl pos dependem de város fatores tas como o local, a área de vendas e o nível de competção. Estes problemas desgnam-se de Localzação Compettva. 7

8 Problemas de Localzação no setor públco Na localzação de servços no setor públco é mportante assegurar não só um custo mínmo mas também garantr um adequado nível de servço aos utentes. Exemplos: servços de combate a ncêndos, servços de transporte para defcentes motores, servço de ambulâncas,. Problema do p-centro Neste problema pretende-se determnar onde localzar p servços de modo que a máxma dstânca entre um clente e o servço que lhe está mas próxmo seja mínma, sto é, pretende-se que o clente que está mas afastado do servço a que está afeto esteja o mas próxmo possível. Este modelo aplca-se nas stuações em que é necessáro assegurar equdade nos servços prestados aos utentes espalhados numa área geográfca. 8

9 Modelo Matemátco Notação I J d : 1,..., n 1,..., m Conjunto dos potencas locas para nstalar equpamentos Conjunto de clentes cuja procura deve ser satsfeta Dstânca entre o equpamento localzado em e o clente j, Varáves de decsão I j J y 1 se se localza um equpamento em 0 caso contraro x 1 se se afeta o clente j a um equpamento localzado em 0 caso contraro 9

10 Modelo Mn Max d x I, jj s. a. x 1 j J (1) I x y I, j J (2) I p (3) x 0,1 I, j J (4) y 0,1 I (5) y Restrções (1) Garantem que cada clente está afeto a um só servço (2) A afetação é feta a servços nstalados (3) Instalam-se p servços (4) e (5) as varáves são bnáras 10

11 A exstênca das restrções I x 1 j J Permte escrever a função objetvo como jj I Mn Max d x Qualquer das funções é não lnear mas faclmente se obtem um modelo lnear W Max d x jj I e adconam-se as restrções W d x j J I 11

12 Modelo Lnear Mn W s. a. x 1 j J (1) I x y I, j J (2) I I (3) (6) x 0,1 I, j J (4) y 0,1 I (5) y p W d x j J As restrções jj x y I, j J x ny I onde n J podem ser substtuídas pelas restrções e tem-se o que se desgna por formulação fraca. As formulações são equvalentes em termos de soluções nteras, não o são em termos de Relaxação Lnear. 12

13 Exemplo Na zona do Pnhal Interor todos os anos há város ncêndos. Além das meddas preventvas decduse nstalar mas 2 quartés de bomberos. Consderaram-se as localdades de Pamplhosa da Serra, Oleros, Sertã, Vla de Re e Mação como potencas locas para nstalar os quartés e como utentes dos servços prestados pelos quartés nstalados. 13

14 Matrz das dstâncas Pamplhosa da Serra Pamplhosa da Serra Oleros Sertã Vla de Re Proença-a- Nova Mação Oleros Sertã Vla de Re Proença-a- Nova Mação Seja I={1, 2, 3, 4, 5, 6} 1- Pamplhosa da Serra 2- Oleros 3- Sertã 4- Vla de Re 5- Proença-a-nova s. a. x 1 j J (1) 6- Mação I: potencas locas de nstalação de servços J: localdades a servr Mn I x y I, j J (2) I I (3) (6) x 0,1 I, j J (4) y 0,1 I (5) W y p W d x j J 14

15 Neste caso tem-se I=J. Assm, é desnecessáro usar as varáves x11 y1 x22 y2 x33 y3 x44 y4 x55 y5 x66 y6 Modelo Matemátco y uma vez que Mn W sa.. x x x x x x 1 W 28 x +79x +75x +72x +140x x x x x x x 1 W 28 x +28x +49x +46x +107x x13 x23 x33 x43 x53 x63 1 W 79 x13 +28x 23+21x 43+20x 53+81x63 x x x x x x 1 W 75 x +49x +21x +39x +46x x x x x x x 1 W 72 x +46x +20x +39x +64x x x x x x x 1 W 140 x +107x +81x +46x x x x x x x 2 x 0,1, j I x x x x x x 6x x x x x x x 6x x x x x x x 6x x x x x x x 6x x51 x52 x53 x54 x55 x56 6x55 x x x x x x 6x x

16 A localdade mas afastada de um quartel é Mação. A dstânca máxma é 46Km 16

17 Se nstalássemos apenas um quartel sera em Proença-a-Nova. A localdade mas afastada de um quartel sera a Pamplhosa da Serra. A dstânca máxma sera 72Km 17

18 Problema de cobertura Problemas de Localzação no setor públco Nestes problemas pretende-se localzar a custo mínmo um conjunto de servços com uma restrção adconal que garante uma dstânca máxma entre qualquer clente e o servço que lhe está mas próxmo. Estabelece-se uma dstânca máxma ou um tempo que se consdera razoável para garantr a cada clente um nível mínmo na qualdade do servço de que usufru. Notação I J d : 1,..., n 1,..., m Conjunto dos potencas locas para nstalar equpamentos Conjunto de clentes cuja procura deve ser satsfeta Dstânca (camnho mas curto) entre o equpamento localzado em clente j I, j J e o f p j : : Custo fxo de construr um servço em Penalzação ncorrda por não servr o clente I j j J 18

19 Seja T a dstânca (tempo) máxmo permtdo entre um servço e um clente. Defne-se uma constante bnára a que toma o valor 1 se o servço pode servr o clente j e toma o valor zero, caso contráro. Asssm, a 1 se d T 0 caso contraro Varáves de decsão y 1 se se localza um equpamento em 0 caso contraro z j 1 se o clente j não é servdo 0 caso contráro 19

20 Modelo Mn f y p z I j j jj s. a. a y z 1 j J (1) I j y 0,1 I (2) z 0,1 j J (3) j Pretende-se mnmzar a soma dos custos fxos de nstalar os servços com as penalzaçõe por não servr os clentes. As restrções (1) garantem que para cada clente j J, z j 1 se os servços nstalados não servem o clente j,(. e. se a y 0) I 20

21 Se todos os clentes tverem que ser servdos temos o problema de cobertura de um conjunto. Se os custos fxos de nstalação forem guas para todos os potencas locas pode ser convenente escolher de entre todas as soluções com o menor número de servços abertos aquela a que corresponde o tempo total mínmo de transporte (ou a dstânca total mínma) Sejam as varáves x Tem-se o modelo 1 se o clente j usa o servço nstalado em 0 caso contraro Mn My d x I I jj s. a. a x 1 j J (1) I jj x J y I (2) y 0,1 I (3) x 0,1 I, j J (4) M é uma constante postva muto grande. As restrções (1) garantem que todos os clentes são servdos e as restrções (2) garantem que só são servdos por servços que estão abertos. 21

22 Exemplo Um consórco de 10 munícpos decdu melhorar o sstema de combate a ncêndos exstente. Decdu-se que deveram ser construídos quartés de bomberos de modo a que cada localdade seja servda num tempo máxmo de 15 mnutos. A cada quartel estará afeto um veículo. As dstâncas (em Km) entre as localdades estão na tabela que se segue. Almada Azenha Carregosa Corroos Lavrado Macau Mota Monto Palmela Pnhal Novo Almada Azenha Carregosa Corroos Lavrado Macau Mota Monto Palmela Pnhal Novo

23 Se suposermos que a velocdade méda é de 60 km/h, em termos de valor, as dstâncas e os tempos em mnutos são guas. A matrz de 0 e 1 com a ndcação de quas as localdades alcançaves num tempo menor ou gual a 15m é Almada Azenha Carregosa Corroos Lavrado Macau Mota Monto Palmela Pnhal Novo Almada Azenha Carregosa Corroos Lavrado Macau Mota Monto Palmela Pnhal Novo

24 Se os custos de nstalação forem guas para todos os locas e muto superores às dstâncas entre as localdades (por exemplo euros) a solução ótma é neste caso: Instalar um quartel de bomberos em Almada ou Corroos e nstalar outro quartel na Mota. Se os custos de nstalação dos quartés vararem as soluções obtdas já são dferentes. Seja por exemplo: Almada Azenha Carregosa Corroos Lavrado Macau Mota Monto Palmela Pnhal Novo Custos Neste caso a solução ótma será construr um quartel em Corroos, Carregosa e Pnhal Novo. O custo total será euros. 24

25 Problema de localzação Smples Neste problema consdera-se um conjunto de clentes cuja procura é satsfeta por equpamentos que se pretendem construr. Exste um conjunto de potencas locas para os nstalar. Não se consderam capacdades assocadas aos equpamentos, sto é, cada equpamento é capaz de satsfazer a totaldade da procura dos clentes. Consdera-se anda que a procura de cada clente é satsfeta por um só equpamento nstalado. Seja I J c f : : Varáves 1,..., n 1,..., m Conjunto dos potencas locas para nstalar equpamentos Conjunto de clentes cuja procura deve ser satsfeta custo untáro de satsfazer a procura do clente localzado em I, j J Custo fxo de construr um servço em j a partr do equpamento y 1 se se localza um equpamento em 0 caso contraro x 1 se o clente j fca afeto ao servço nstalado em 0 caso contraro 25

26 Modelo Matemátco Mn f y c x I I jj s. a. x 1 j J (1) I x y I, j J (2) y 0,1 I (3) x 0,1 I, j J (4) Restrções (1) Garantem que cada clente será afeto a apenas um equpamento (2) Garantem que um clente só será afeto a um servço que esteja nstalado (3) e (4) defnem o domíno de varação das varáves de decsão 26

27 Exemplo Uma empresa pretende determnar onde nstalar armazéns na regão de Trás-os-Montes de modo a poder fornecer os seus clentes em Camnha, Vana do Castelo, Barcelos, Terras de Bouro, Chaves e Melgaço. Ponte de Lma Lndoso Vana Ruvães Clentes Potencas locas de nstalação de armazéns 27

28 De acordo com estudos fetos consderaram-se como potencas locas para nstalação de servços Monção, Lndoso, Ponte de Lma e Ruvães. Tendo em conta a procura estmada dos clentes nos próxmos 10 anos conclu-se que a capacdade de qualquer um dos armazéns a construr será sufcente para a satsfazer na sua totaldade. As dstâncas entre as localdades e os potencas locas de nstalação dos armazéns são: Clentes Camnha Vana do Castelo Barcelos Terras de Bouro Chaves Melgaço Monção Potencas Locas Lndoso Ponte de Lma Ruvães Se admtrmos que o custo de transporte por Km e por undade transportada é 0.5 euros consdere-se a matrz com os custos de afetar cada clente a cada potencal local de nstalação de armazéns. 28

29 Clentes Camnha Vana do Castelo Barcelos Terras de Bouro Chaves Melgaço Monção Potencas Locas Lndoso Ponte de Lma Ruvães Se consderarmos os custos de nstalação Monção Lndoso Ponte de Lma Ruvães Sendo I={potencas locas} 1-Monção 2-Lndoso 3-Ponte de Lma e 4-Ruvães J={clentes} 1-Camnha 2-Vana do Castelo 3-Barcelos 4-Terras de Bouro 5-Chaves e 6-Melgaço temos o segunte modelo 29

30 Mn 100y 180y 165y 60y Custos de nstalação dos armazéns x 46x 54x 52.5x 86x 11.5x x 34.5x 43x 19.5x 67.5x 28.5x x 15x 24.5x 23.5x 79x 39x x 56x 35.5x 19x 39.5x 82x Custos de afetação dos armazéns aos clentes Restrções x x x x x x x x x x x x x x x x x x x x x x x x Cada clente será afeto apenas a um únco armazém 30

31 x y, x y, x y, x y, x y, x y x y, x y, x y, x y, x y, x y x y, x y, x y, x y, x y, x y x y, x y, x y, x y, x y, x y Todos os clentes são abastecdos por armazéns nstalados Vamos consderar a formulação fraca x x x x x x 6y x x x x x x 6y x x x x x x 6y x x x x x x 6y Todas as varáves são bnáras 31

32 A solução ótma deste problema consste em construr um armazém em Monção e outro em Ruvães. O armazém de Monção fornecerá os clentes de Melgaço, Camnha e Vana do Castelo e o armazém de Ruvães fornecerá os clentes de Chaves, Terras de Bouro e Barcelos. O custo total será Ponte de Lma Lndoso Vana Ruvães 32

33 Se para o mesmo problema consderarmos os custos de nstalação todos guas a a solução ótma será nstalar apenas um armazém em Ponte de Lma que servrá todos os clentes da zona. O custo total será de Ponte de Lma Lndoso Vana Ruvães 33

34 Exemplo Consdere-se o segunte grafo que representa 12 localdades e 5 potencas locas para nstalação de servços Potencal local de nstalação 12 6 localdade 34

35 Incalzação. Iteração t. Heurístca Greedy (Cornuejols, Fsher, Nemhauser, 1977) Para cada = 1, 2,..., n calcular Determnar * tal que Fazer C(S) = * z S = {*} u j = * (j=1, 2,..., m) Para cada S calcular Determnar * tal que Se Se * * d j 0 0 z * segue para o Fm. fazer S = S {*} C(S) = C(S) + Se S I Repetr a teração t. mn z 1 n m m j1 z f d f mn (0, d u ) j j1 * mn S * u j = mn ( u j, * ) (j=1,2,..., m) d j Fm. S é a solução obtda com custo C(S). STOP 35

36 Exemplo Servços Clentes Custos de nstalação Custos

37 Heurístca Greedy (Cornuejols, Fsher, Nemhauser, 1977) Incalzação. Para cada =1,2,3,..,6 calcular m j1 z f d Determnar * tal que z * mn z 1 n *=5. Fazer S={ 5 } C(S)= 768 u j d 5 j j1 d f z

38 Vamos agora ver se, em termos de custo, há alguma vantagem em abrr mas um servço, sto é, se a poupança em termos de custos de afetação compensa o custo de abertura de um novo servço Matrz com mn(0, d uj ) Para cada S, sto é, para ={1,2,3,4,6} calcular m f mn (0, d u ) j j j1 mn(0, d u ) f j

39 * 1 mn Como S * 1 0 tem-se S={1,5} * C(S)= = =661 u 1 mn( u, d ) j j 1 j u j Como S I Vamos ver novamente se, em termos de custo, há alguma vantagem em abrr mas um servço, sto é, se a poupança em termos de custos de afetação compensa o custo de abertura de um novo servço 39

40 Para cada S, sto é, para ={2,3,4,6} calcular m f mn (0, d u ) j j j1 mn(0, d u ) Matrz com mn(0, d u ) f j j

41 * 3 mn Como S * 3 0 tem-se S={1, 3,5} * C(S)= 661+ =661-23=638 u 3 mn( u, d ) j j 3 j u j Como S I Vamos ver novamente se, em termos de custo, há alguma vantagem em abrr mas um servço, sto é, se a poupança em termos de custos de afetação compensa o custo de abertura de um novo servço 41

42 Para cada S, sto é, para ={1,2,3,4,6} calcular m f mn (0, d u ) j j1 Matrz com mn(0, d u ) j u j j mn(0, d u ) f j

43 * 2 mn * Como 2 0 S TERMINA A solução obtda pela heurístca é nstalar servços nos locas 1, 3 e 5 A afetação dos clentes aos servços é Valor desta solução =

44 Problema da p-medana Neste problema consdera-se que o conjunto dos clentes e dos potencas locas de nstalação de servços concdem. Pretende-se determnar onde localzar exatamente p servços de modo a garantr a satsfação da procura dos clentes. Consdera-se que os custos fxos de nstalação são nulos ou exatamente guas para todos os potencas locas de nstalação de servços. O objetvo é neste caso a mnmzação dos custos totas de afetação dos servços aos clentes. Seja I potencas locas para nstalar servços clentes Varáves de decsão x 1 se o clente j fca afeto ao servço nstalado em 0 caso contraro c : custo de afetar o clente j ao servço localzado em Como o conjunto dos potencas locas de nstalação concde com as localzações dos clentes podemos consderar c 0 I x 1 se se localza um servço em I 44

45 Modelo Matemátco Mn I ji s. a. x 1 j I (1) I I p (2) x x, j I, j (3) x 0,1, j I (4) x c x As restrções (3) podem ser substtuídas por jj x I x (formulação fraca) 45

46 Heurístcas para o problema da p-medana Heurístca Greedy (Cornuejols, Fsher, Nemhauser, 1977) Processo de tpo greedy (adaptado da localzação smples): localza o 1º servço na 1-medana; teração t (1< t p) localza o servço t na comundade que orgna maor dmnução no valor da função objetvo. Tetz e Bart, 1968 Parte de uma solução arbtrára X p e tenta trocar um ponto não pertencente a X p com um ponto de X p por forma a melhorar o valor da função objetvo. Transformações locas de tpo 1-optmal, 1988 Processo semelhante ao algortmo de Tetz e Bart mas funconando ao contráro dele. Parte de uma solução qualquer Xp e tenta trocar um ponto de Xp com um ponto não pertencente a Xp por forma a melhorar o valor da função objetvo. Faz apenas um cclo de trocas. 46

47 Exemplo Pretende-se nstalar 2 servços (p=2) Matrz com as dstâncas (comprmento camnho mas curto) Heurístca Greedy (Cornuejols, Fsher, Nemhauser, 1977) Incalzação. Para cada = 1, 2,..., n calcular z n j1 c Determnar * tal que z * mn 1 n z 47

48 Fazer S {*} C(S) u j = c *j (=1, 2,..., n) S {1} C(S) 13 Como temos que abrr mas um servço, vamos agora ver qual é o que dá maor vantagem, sto é, o que dá maor poupança nos custos de afectação. Para cada S calcular n mn (0, c u ) j j1 Determnar * tal que Fazer * S S {*} mn S C(S) C(S) + * z * S {1, 2} C(S) z u j

49 S {1, 2} C(S) 1358 u j mn (u j, c *j ) (=1,2,..., n) Já temos 2 servços nstalados. TERMINA c c A solução ótma é u j Valor da solução obtda pela heurístca é 8. Valor ótmo = 7 49

50 Problema de localzação de servços com restrções de capacdade Em mutas stuações é necessáro consderar que os servços ou equpamentos têm uma capacdade máxma. Notação I J c f : : proc Cap 1,..., n 1,..., m j : Varáves : Conjunto dos potencas locas para nstalar equpamentos Conjunto de clentes cuja procura deve ser satsfeta custo untáro de satsfazer a procura do clente localzado em I, j J Custo fxo de construr um servço em Procura assocada ao clente Capacdade do equpamento a localzar em y 1 se se localza um equpamento em 0 caso contraro j j a partr do equpamento x : Percentagem da procura do clente j que é satsfeta pelo equpamento localzado em 50

51 Modelo Matemátco Mn f y c x proc j I I jj s. a. x 1 j J (1) jj I proc x Cap y I j (2) y 0,1 I (3) x 0,1 I, j J (4) Restrções (1) Garantem que a procura de cada clente é satsfeta (2) Garantem que a procura é satsfeta apenas por servços que estão nstalados e que a capacdade de cada servço não é excedda (3) e (4) defnem o domíno de varação das varáves de decsão 51

52 Exemplo Consderemos de novo o exemplo apresentado para o problema de localzação smples. Ponte de Lma Lndoso Vana Ruvães 52

53 Onde os custos untáros de transporte são Clentes Camnha Vana do Castelo Barcelos Terras de Bouro Chaves Melgaço Monção Potencas Locas Lndoso Ponte de Lma Ruvães Os custos de nstalação Monção Lndoso Ponte de Lma Ruvães Sendo I={potencas locas} em que 1-Monção 2-Lndoso 3-Ponte de Lma e 4-Ruvães J={clentes} em que 1-Camnha 2-Vana do Castelo 3-Barcelos 4-Terras de Bouro 5-Chaves e 6-Melgaço Procura dos clentes Capacdade dos armazéns Camnha Vana do Castelo Barcelos Terras de Bouro Chaves Melgaço Monção Lndoso Ponte de Lma Ruvães

54 Modelo Matemátco Mn 100y 180y 165y 60y Custos de nstalação dos armazéns (28x 45x 25.5x 67.5 x ) (46x 34.5x 15x 56 x ) (54x 43x 24.5x 35.5 x ) (52.5x 19.5x 23.5x 19 x ) (86x 67.5x 79x 39.5 x ) (11.5 x 28.5x 39x 82 x ) Custos de transporte 54

55 Restrções x x x x x x x x x x x x x x x x x x x x x x x x A procura de cada clente tem que ser satsfeta 10x 20x 13x 5x 10x 15x 30y x 20x 13x 5x 10x 15x 15y x 20x 13x 5x 10x 15x 35y x 20x 13x 5x 10x 15x 10y Varáves bnáras y Varáves x 0,1 Não se pode exceder a capacdade de cada armazém 55

56 A solução ótma para este problema é Ponte de Lma Lndoso 2 Vana Ruvães O valor ótmo é

57 Podem também defnr-se as varáves x : Nos problemas de localzação de servços com capacdade lmtada pode fazer sentdo consderar que a procura de um clente é satsfeta na totaldade apenas por um servço. Neste caso temos as varáves x Quantdade transportada do equpamento para o clente j 1 0 se a totaldade da procura do clente j é satsfeta pelo equpamento localzado em caso contráro x do segunte modo Em alguns problemas faz sentdo abrr um servço apenas se há um mínmo de servço fornecdo pelo servço. Neste caso exstem também restrções de capacdade mínma utlzada. Seja capm : capacdade mínma utlzada requerda para cada servço Tem-se então as restrções capm y proc x Cap y I j jj 57

58 Problemas de localzação herárqucos Exste por vezes a necessdade de localzar smultaneamente servços que pertencem a dferentes níves no sstema logístco. Estes problemas desgnam-se habtualmente de problemas herárqucos, mult-nível ou k-nível, em que k é o número de níves consderados. Consdere-se a segunte rede logístca de abastecmento Fornecedores Fábrcas Armazéns Clentes 58

59 Exste um conjunto de fornecedores que fornece um conjunto de fábrcas. A mercadora produzda é transportada das fábrcas para os armazéns e posterormente destes para os clentes. Pretende determnar-se a localzação ótma das fábrcas e dos armazéns e as quantdades a serem transportadas com o objetvo de mnmzar os custos totas (custos fxos + custos varáves de transporte) Notação J K I G 1,..., m 1,..., h 1,..., n 1,..., l Conjunto de clentes cuja procura deve ser satsfeta Conjunto de potencas localzações para armazéns Conjunto de potencas localzações para fábrcas Conjunto de fornecedores 59

60 proc Cf ' " : Cak : Sg : f : fa : c c c g k kj k : : : j : Procura assocada ao clente j Capacdade da fábrca a localzar em Capacdade do armazém a localzar em k Quantdade máxma dsponível no fornecedor g Custo fxo de nstalar uma fábrca em Custo fxo de nstalar um armazém em k Custo untáro de transporte de mercadora do fornecedor g para a fábrca localzada em Custo untáro de transporte de mercadora da fábrca para o armazém localzado em k Custo untáro de satsfazer a procura do clente j a partr do armazém localzado em k 60

61 Varáves de Decsão y 1 se se localza um fabrca em 0 caso contraro ' 1 se se localza um armazem em k yk 0 caso contraro x g Quantdade transportada do fornecedor gpara a fábrca ' x k Quantdade transportada da fábrca para o armazém k " x kj Quantdade transportada do armazém k para o clente j 61

62 Modelo Matemátco Mn f y fa y c x c x c x ' ' ' " " k k g g k k k k I kk gg I I kk kk jj Custos de nstalação Custos de transporte s. a. x S g G (1) I gg ' k g " ' kj I g ' k " kj g g ' ' x Ca k kyk k K I " xkj proc j j J kk ' x x k g I kk gg jj x Cf y I x x k K k (2) (3) (4) (5) (6) y 0,1 I (7) y 0,1 k K (8) x 0 g G, I (9) x 0 I, k K (10) x 0 k K, j J (11) Não se excede a dsponbldade de mercadora nos fornecedores A capacdade de cada fábrca não é excedda e a mercadora só é transportada para fábrcas nstaladas A capacdade de cada armazém não é excedda e a mercadora só é transportada para armazéns nstalados A procura dos clentes é satsfeta garantem a coerênca entre a quantdade transportada entre os níves da cadea logístca. defnem o domíno das varáves Fornecedores Fábrcas Armazéns Clentes 62

63 A função objetvo consdera a mnmzação dos custos totas (fxos +varáves) Restrções (1) Não se excede a dsponbldade de mercadora nos fornecedores (2) A capacdade de cada fábrca não é excedda e a mercadora só é transportada para fábrcas nstaladas (3) A capacdade de cada armazém não é excedda e a mercadora só é transportada para armazéns nstalados (4) A procura dos clentes é satsfeta (5) e (6) garantem a coerênca entre a quantdade transportada entre os níves da cadea logístca. (7), (8), (9), (10), (11) defnem o domíno das varáves Nota: pode haver stuações em que a totaldade do que chega a um equpamento deve ser exatamente gual à totaldade do que sa desse equpamento. Nestes casos as restrções (5) e (6) são gualdades. Dz-se que exste conservação de fluxo nos nodos. Este modelo pode faclmente ncorporar a possbldade de transportar dretamente de uma fábrca para um clente ou a hpótese de não satsfazer completamente a procura de um clente medante uma penalzação. 63

64 Exemplo Uma empresa de recolha de resíduos sóldos urbanos será responsável pela recolha dos resíduos em 5 freguesas do Concelho de Mafra. Esta empresa pretende desenhar uma rede logístca que lhe permta a custo mínmo fazer o transporte dos resíduos para estações de transferênca onde serão armazenados e compactados para serem posterormente depostados nos aterros. Depos de um estudo que envolveu uma equpa de técncos de váras áreas escolheram-se 5 potencas locas para nstalação das estações de transferênca e 3 potencas locas para a nstalação dos aterros. Os custos untáros (em undades monetáras) de transporte entre as freguesas e as estações de transferênca estão na tabela segunte: Estações de Transferênca Freguesa Freguesa Freguesa Freguesa Freguesa

65 Os custos untáros (em undades monetáras) de transporte entre as estações de transferênca e os aterros estão na tabela segunte: Aterros Estações de Transferênca Os custos fxos (em undades monetáras) de nstalação e as capacdades máxmas (em mlhares de toneladas) estão na tabela segunte: Custos fxos Estações de transferênca Aterros capacdade A quantdade de resíduos em cada freguesa (em mlhares de toneladas) é Freguesas Resíduos

66 Sstema Logístco Freguesas Estações de Transferênca Aterros 66

67 Solução ótma Utlzando o Solver do Excel tem-se 67

68 68

69 69

70 70

71 71

72 Custo total =

Modelos para Localização de Instalações

Modelos para Localização de Instalações Modelos para Localzação de Instalações Prof. Dr. Ncolau D. Fares Gualda Escola Poltécnca da Unversdade de São Paulo Departamento de Engenhara de Transportes CLASSIFICAÇÃO DE WEBER (WEBER, Alfred. Uber

Leia mais

Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos

Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

Chapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação

Chapter 9 Location INTRODUÇÃO. Localização de Instalações.  Problemas de comunicação Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Optimização com variáveis discretas

Optimização com variáveis discretas Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

Modelação com Variáveis Discretas

Modelação com Variáveis Discretas Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos

Leia mais

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G. PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão

Leia mais

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO

UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Mestrado Integrado em Engenhara Cvl Dscplna: TRANSPORTES Prof. Responsável: José Manuel Vegas Sessão Prátca 7 (Tpo A): Dmensonamento de ntersecções semaforzadas smples Curso 2008/09 1/22 INTERSECÇÕES Introdução

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Programação Linear 1

Programação Linear 1 Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework

Leia mais

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

5 Problema de planejamento de novas redes de telecomunicações

5 Problema de planejamento de novas redes de telecomunicações Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

Leis de conservação em forma integral

Leis de conservação em forma integral Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

USO DO CENTRO DE GRAVIDADE PARA LOCALIZAR A BASE OPERACIONAL DA TPG DO BRASIL

USO DO CENTRO DE GRAVIDADE PARA LOCALIZAR A BASE OPERACIONAL DA TPG DO BRASIL USO DO CENTRO DE GRAVIDADE PARA LOCALIZAR A BASE OPERACIONAL DA TPG DO BRASIL J. N. Osses 1 ; B. F. Olvera 1 ; M. V. Nascmento 1 1-FATEC São José dos Campos Av. Cesare Mansueto Gulo Lattes, 1350 Eugêno

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

SISTEMAS DE ABASTECIMENTO E DISTRIBUIÇÃO DE ÁGUA

SISTEMAS DE ABASTECIMENTO E DISTRIBUIÇÃO DE ÁGUA Redes de Dstrbução de Água Rede de dstrbução de água: um sstema de tubagens e elementos acessóros nstalados na va públca, em terrenos da entdade dstrbudora ou em outros sob concessão especal, cua utlzação

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Avaliação do escoamento anual médio a partir de elementos climáticos P = H + E + SP + S+ SU +EX - R

HIDROLOGIA E RECURSOS HÍDRICOS. Avaliação do escoamento anual médio a partir de elementos climáticos P = H + E + SP + S+ SU +EX - R Avalação do escoamento anual médo a partr de elementos clmátcos Avalação do escoamento anual médo a partr de elementos clmátcos HIDROLOGIA E RECURSOS HÍDRICOS Avalação do escoamento anual médo a partr

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

2 Considerações Teóricas

2 Considerações Teóricas 6 2 Consderações Teórcas 2.. Generaldades sobre a produção ndustral Segundo Krajewsky & Rtzman (2002), os processos ndustras podem ser classfcados em cnco prncpas tpos: Processo por Projeto Processo com

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial INF 77 Intelgênca Artfcal Aula 8 Redes Neuras Edrle Soares de Lma Formas de Aprendzado Aprendzado Supervsonado Árvores de decsão. K-Nearest Neghbor (KNN). Support Vector Machnes (SVM).

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Avaliação de Económica de Projectos e Cálculo de Tarifas

Avaliação de Económica de Projectos e Cálculo de Tarifas Gestão Avançada ada de Sstemas de Abastecmento de Água Avalação de Económca de Projectos e Cálculo de Tarfas Antóno Jorge Montero 26 de Mao de 2008 Aula 5-1 COCEITO DE PROJECTO Processo específco utlzado

Leia mais

Algoritmos Genéticos com Parâmetros Contínuos

Algoritmos Genéticos com Parâmetros Contínuos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75

Leia mais

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016 Robótca Prof. Renaldo Banch Centro Unverstáro FEI 2016 6 a Aula IECAT Objetvos desta aula Momentos Lneares, angulares e de Inérca. Estátca de manpuladores: Propagação de forças e torques. Dnâmca de manpuladores:

Leia mais

Análise de influência

Análise de influência Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).

Leia mais

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE Anabela R. S. REBELO Lc. Químca Industral, CCDR Algarve, Rua Dr. José de Matos n.º 13, 800-503 Faro,

Leia mais

Ramos Energia e Automação

Ramos Energia e Automação Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação 2009.01.15 Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais