Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo

Tamanho: px
Começar a partir da página:

Download "Denilson Ricardo de Lucena Nunes. Gestão de suprimentos no varejo"

Transcrição

1 Denlson Rcardo de Lucena Nunes Gesão de suprmenos no varejo semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda Tese de Douorado Tese apresenada ao programa de Pós-graduação em Engenhara de Produção da PUC-Ro como requeso parcal para obenção do íulo de Douor em Engenhara de Produção. Orenador: Prof. Eugeno Kahn Epprech Ro de Janero Abrl de 4

2 Denlson Rcardo de Lucena Nunes Gesão de suprmenos no varejo semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda Tese apresenada como requso parcal para obenção do íulo de Douor em Engenhara de Produção pelo Programa de Pós-Graduação em Engenhara Produção da PUC-Ro. Aprovada pela Comssão Examnadora abaxo assnada. Prof. Eugeno Kahn Epprech Orenador Deparameno de Engenhara Indusral - PUC-Ro Prof. Anôno Fernando Casro Vera PUC-Ro Prof. André Crsano lva Melo Unversdade do Esado do Pará - UEPA Prof a. Fernanda Mara Perera Raupp Laboraóro Naconal de Compuação Cenífca - LNCC Prof. Paulo Henrque oo Cosa UERJ Prof. José Eugeno Leal Coordenador eoral do Cenro Técnco Cenífco da PUC-Ro Ro de Janero, de abrl de 4

3 Todos os dreos reservados. É probda a reprodução oal ou parcal do rabalho sem auorzação da unversdade, do auor e do orenador. Denlson Rcardo de Lucena Nunes Graduou-se em Engenhara Cvl pela Unversdade da Amazôna UNAMA, em. Obeve o íulo de Mesre em Engenhara Cvl pela PUC-Ro em. É Professor do curso de Engenhara de Produção da Unversdade do Esado do Pará - UEPA desde 4. Fcha Caalográfca Nunes, Denlson Rcardo de Lucena Gesão de suprmenos no varejo. semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda / Denlson Rcardo de Lucena Nunes ; orenador: Eugeno Kahn Epprech f. : l. (color.) ; 3 cm Tese (douorado) Ponfíca Unversdade Caólca do Ro de Janero, Deparameno de Engenhara Indusral, 4. Inclu bblografa. Engenhara Indusral Teses.. CDD: Varejo. 3. Modelos de esoque. 4. Monorameno da prevsão. 5. Cadea de suprmenos. I. Epprech, Eugeno Kahn. II. Ponfíca Unversdade Caólca do Ro de Janero. Deparameno de Engenhara Indusral. III. Tíulo.

4 Para meus pas, Máro e Mara, mnha esposa Emla e mnha flha Izabel, pela confança e companha.

5 Agradecmenos À Deus, por se fazer sempre presene em odos os momenos da mnha vda. À mnha esposa Emla, por me apoar nos momenos dfíces e por comparlhar as alegras. À mnha flha Izabel, por dar anda mas sgnfcado a mnha vda. À mnha mãe Mara e meu pa Máro por me darem os exemplos e os ensnamenos que noream o meu caráer. Aos meus rmãos Glauon e Mayra pelo apoo. Ao meu prmo Bruno por ser meu rmão, meu amgo e por vezes mnha força. Ao meu orenador Eugeno Kahn Epprech por er acredado no meu poencal e er dado odo o apoo no desenvolvmeno desa ese. Aos amgos que fz durane a elaboração desa ese, em especal: Felpe Jardm, Orvalde, Auguso, Ana Carla, Bearz, Davd e Anôno Rcardo. À PUC-Ro, pelos auxílos conceddos, sem os quas ese rabalho não podera er sdo realzado.

6 Resumo Nunes, Denlson Rcardo de Lucena; Epprech, Eugeno Kahn. Gesão de suprmenos no varejo: semas de reposção de esoques em duas camadas e análse de esquemas de monorameno da prevsão de demanda. Ro de Janero, 4. 95p. Tese de Douorado - Deparameno de Engenhara Indusral, Ponfíca Unversdade Caólca do Ro de Janero. As empresas do varejo esão consanemene buscando aumenar sua compevdade. Denre os elemenos que nfluencam nessa compevdade, esa ese se concenra nos cusos com suprmenos e no nível de servço ao clene. O nível de servço depe do planejameno dos esoques, que em por objevo balancear a ofera de produos com a demanda. O pono de parda desse planejameno são as prevsões de demanda. Dessa forma, nesa ese é proposa uma rona com esquemas de monorameno do erro dessas prevsões ulzando esaíscas denomnadas Trackng gnal. Essas esaíscas são ulzadas para deecar quando o erro das prevsões apresena comporameno dferene do esperado, ndcando assm um vés nas prevsões. Para ano, fo realzado um expermeno que resulou na deermnação de lmes de deecção para as esaíscas Trackng gnal, bem como na denfcação, denre elas, daquelas esaíscas mas efcenes na deecção de vés em prevsões por amorecmeno exponencal smples. Além dsso, a redução nos cusos com suprmenos e a melhora no nível de servço ambém são conemplados nesa ese pela proposa de solução de um modelo de esoques. Esse modelo consdera um em em um ssema com duas camadas e revsão peródca, composo por um Cenro de Dsrbução (CD) e N lojas no varejo. Nas lojas são aplcadas revsões em nervalos guas e sncronzados, so permdo ao CD enregar parcalmene os peddos para as lojas em caso de fala. Para esse modelo, fo desenvolvdo um algormo de busca, baseado no méodo da seção áurea, que mnmza o cuso oal no ssema ao à mea de nível de servço no varejo. Palavras-chave Varejo; Modelos de esoque; Monorameno da prevsão; Cadea de suprmenos.

7 Absrac Nunes, Denlson Rcardo de Lucena; Epprech, Eugeno Kahn (advsor). upply managemen n real: Two-echelon nvenory replenshmen and analyss of demand forecas monorng schemes. Ro de Janero, 4. 95p. D. c. Thess - Deparameno de Engenhara Indusral, Ponfíca Unversdade Caólca do Ro de Janero. The real companes are consanly seekng o ncrease her compeveness. Among he facors ha nfluence hs compeveness, hs hess focuses on he cos of supples and he level of cusomer servce. The level of servce deps on he plannng of nvenores, whch ams o balance he supply of producs o he demand. The sarng pon of hs plannng s he demand forecas. Thus, hs hess proposes a roune of monorng forecasng errors usng sascs called Trackng gnal. These sascs are used o deec when he forecasng error ou shows he expeced behavor, hus ndcang a bas n he forecass. For hs purpose, an expermen was conduced whch resuled: deermnaon of deecon lms for hese sascs; denfcaon hose mos effecve n deecng bas n forecass by smple exponenal smoohng. Moreover, he reducon n coss of supples and mprovng he level of servce are also covered by hs hess proposed an nvenory model. Ths model consders an em on a sysem wh wo echelons and perodc revew, conssng of a Warehouse (W) and N real sores. The reals revsons apply n equal and synchronzed nerval; s possble he W parally delver he orders o he sores n case of shorages. For hs model, a search algorhm based on he golden secon mehod, whch mnmzes he oal cos n he sysem gven he arge level of servce n real was developed. Keywords Real; Invenory models; Monorng of forecasng; upply Chan

8 umáro Inrodução.. Objevos 5.. Conrbuções Orgnas 6.3. Organzação do exo 7.4. Uso de sofware de Programação 9. Prevsão de demanda e ssemas de conrole de esoques.. Conceos báscos de prevsão de demanda.. Prevsão da demanda 4... Modelo consane de demanda e amorecmeno Exponencal mples 4.3. Monorameno da prevsão Lmes de deecção Meddas de desempenho Dferenes nerpreações para NMA Ouras meddas de desempenho Crícas ao uso de TT e TB e oporundades de conrbução da Pesqusa semas de Conrole de Esoques Modelos de esoque em camadas Hpóeses e a físca do problema semas com duas camadas e políca T, Técnca de desagregação do ssema 4 3. Meodologa de monorameno da prevsão Varanes para as esaíscas Trackng gnal Expermeno de smulação e deermnação dos lmes de deecção Apresenação dos resulados 47

9 4. Modelo de esoque proposo Descrção do modelo Noação Deermnação do esoque médo no CD e no varejo Alocação das falas no varejo Lead me efevo no varejo e desagregação do ssema Formulação para demanda normal Deermnação do nível de esoque para demanda normal Função de cuso e o problema de omzação Algormo de omzação Ilusração numérca e smulação Conclusões 7 6. Referêncas Bblográfcas 7 APÊNCDICE A Méodos de busca dos lmes de deecção Correspondenes a um deermnado NMA 77 APÊNCDICE B Lmes ncas de busca para no Algormo da eção APÊNCDICE C Ronas e funções programadas em MATLAB 8

10 Lsa de Fguras Fgura. - Vas anuas nos Esados Undos Fgura. - Recea líquda do varejo no Brasl 3 Fgura.3 - Parcpação do varejo no PIB braslero 3 Fgura.4 - Represenação de uma rede de suprmenos 4 Fgura.- Esruura de um ssema de prevsão Fgura. sema cenralzado com duas camadas 4 Fgura 3. comparação de desempenhos com o e 49 padrão Fgura 3. NMA para varações a e,45,35,,3 5 Fgura 3.3 Esaíscas com melhor desempenho para cada 5 Fgura 4. Nível de esoque no CD e no varejo para Fgura 4.3 Valores de,, 3 e c para T T 54,,...,79 68

11 Todo o rabalho é vazo a não ser que haja amor Khall Gbran

12 Blhões de U$. Inrodução O conceo de varejo engloba as avdades de comérco e servço, que por serem avdades dsnas dfculam a elaboração de uma defnção. Para o IBGE o varejo abrange, além do comérco e servço, as avdades de ranspores, comuncações, servços pessoas e auxlares, avdades fnanceras e governamenas. Koler & Armsrong (993) vão além e afrmam que qualquer um que va bens ou servços ao consumdor fnal esá pracando avdades de varejo, mesmo que seja fabrcane ou aacadsa. Do pono de vsa econômco, o varejo é um dos maores seores da economa mundal e enconra-se em crescmeno. Nos Esados Undos, por exemplo, as vas somaram $,34 rlhões em 995, exclundo a va drea, e naquele mesmo ano quase % da força de rabalho nore-amercana esava concenrada no varejo (Levy e Wez, ). A ênca de crescmeno aponada por esses auores pode ser observada nas vas do varejo nos Esados Undos nos anos de (ver Fgura.). 4.5 Vas anuas do varejo Ano Fgura. - Vas anuas nos Esados Undos Fone: U.. Deparmen of Commerce () Esses números são sgnfcavos para a economa nore-amercana, pos nos anos 7- as receas no varejo conrbuíram, em méda, com mas de 6% do produo nerno bruo (BEA, ). No Brasl, em 998, o seor apresenou mas de R$ blhões em vas, o que correspondeu a mas de % do PIB daquele ano (Parene, ). Nos

13 Blhões de R$ 3 úlmos anos esse seor apresenou crescmeno nas vas e na parcpação no PIB braslero (Fguras. e.3). Ao fnal de 7, aproxmadamene 8% da população consderada ocupada esava concenrada no varejo (IBGE, 8b) Recea líquda do varejo Ano Fgura. - Recea líquda do varejo no Brasl Fone: IBGE (),% Parcpação do varejo no PIB 9,% 8,% 7,% 6,% 5,% Ano Fgura.3 - Parcpação do varejo no PIB braslero Fone: IBGE () As avdades de varejo se caracerzam prncpalmene pela relação drea de va de bens e servços ao consumdor fnal. Isso é consequênca de o varejo ser a úlma camada ou nível em uma rede de suprmenos. egundo Ballou (4), a cadea de suprmenos abrange odas as avdades (empresas) envolvdas no processo de ransformação da maéra-prma aé seu usuáro fnal. Pode-se anda dzer que, em geral, cadeas de suprmeno são ssemas com múlplos níves, que êm como objevo levar bens acabados a seus consumdores fnas (ver Fgura.4) e se caracerzam pelo fluxo de maeral e nformação aravés de nsalações dsposas em níves ou camadas. Nas

14 4 nsalações podem ocorrer dferenes eságos de um processo produvo de manera que, para cada eságo, por meo de monagem ou ouro processo de fabrcação, o produo ganha valor agregado aé ser fnalzado e enregue ao consumdor. NÍVEL / CAMADA / ECHELON INTALAÇÕE FLUXO DE MATERIAI FLUXO DE INFORMAÇÃO Fgura.4 - Represenação de uma rede de suprmenos A concorrênca enre as empresas do varejo ocorre prncpalmene aravés de seu mx de produos, seleconado de acordo com seu públco alvo. Levy e Wez () ressalaram que é mporane a esraéga de compeção er uma base susenável, e nesse conexo, a fdelzação do clene é um bom exemplo dsso. Város faores podem nfluencar no processo de fdelzação. A dsponbldade do produo na praelera é um dos faores mas mporanes para conqusar o clene (Levy e Wez, ). Parene () concorda com essa afrmação, e acrescena que a nsasfação do clene é cera quando o produo que compra roneramene não esá dsponível para prona enrega. egundo ECRBRAIL (8), dane da fala de dferenes produos na praelera exse 56% de chance do consumdor rocar de loja ou dexar de levar um produo subsuo. Caso o clene não enconre cerca de % dos ens em sua lsa, o mesmo pode dessr de oda a compra. Esse nconvenene somene é olerado no máxmo duas vezes, sob o rsco de o clene não reornar mas ao esabelecmeno (ECRBRAIL, 8). Porano, a dsponbldade para prona enrega de qualquer produo é mporane na esraéga de fdelzação. Na enava de melhorar essa dsponbldade de produos, redes de varejo vêm recorro a cenros de dsrbução (CD) própros ou ercerzados, ou seja,

15 5 o própro varejo assume a responsabldade de enregar os produos nas lojas. As enregas são programadas com base nas nformações de demanda e esoque das lojas passadas ao CD por meo elerônco. Em muos casos, para dmnur a probabldade de fala de produos, bem como reduzr os esoques nas lojas, as enregas são mas frequenes do que se fossem feas dreamene pelo fornecedor. A fala de um produo na praelera é conhecda como rupura e apesar dos esforços do varejo anda são recorrenes. egundo Rosa e. al. (7), a fala de produos na praelera pode mplcar em vas perddas e afear a confabldade do clene no esabelecmeno, o que, em longo prazo, mplca em perda de compevdade... Objevos egundo a Assocação Effcen Consumer Response do Brasl (ECRBRAIL), um dos prncpas desafos do varejo é evar a rupura, que resula de muos faores, por exemplo: fala de reposção na praelera a parr do esoque da loja, erro na defnção da frequênca e quandades de reposção do esoque, arasos na enrega por pare do CD, araso na negocação com fornecedores, ec (ECRBRAIL, 8). Os níves de reposção dos esoques no CD e nas lojas nfluencam a ocorrênca das rupuras e os cusos relaconados com os esoques. Defnr esses níves de reposção é um dos objevos desa ese, o segundo objevo é fornecer uma rona para o monorameno dos erros das prevsões de demanda. Essas duas verenes convergem para soluções mas efcenes na redução das rupuras no varejo e dos cusos com esoques. Porano, os prncpas objevos desa ese são: propor um méodo heurísco para defnr os níves de reposção de esoques nas lojas e no CD de ens comercalzados no varejo, que resulem no nível de servço desejado nas lojas ao menor cuso com esoques; e propor um ssema de monorameno do erro de prevsão, capaz de deecar um evenual vés na prevsão de demanda. Esses objevos podem ser desdobrados nos segunes objevos secundáros:

16 6 Propor um modelo de esoque que perma defnr as quandades de reposção do esoque, em um ssema com duas camadas (CD e lojas) e revsão peródca; Desenvolver algormo de omzação para o modelo de esoque proposo, vsando um nível de sasfação da demanda nas lojas ao menor cuso; Propor uma meodologa de monorameno do erro da prevsão que perma a auomazação e seja efcene na deecção de veses na prevsão; Apresenar uma meodologa de prevsão de demanda; Esudar e compreer os aspecos mas mporanes dos modelos de nvenáro volados a ssemas com múlplos níves; Realzar uma revsão bblográfca sobre monorameno de erro da prevsão... Conrbuções Orgnas Uma vez angdos os objevos desa ese, podem ser ressaladas suas conrbuções orgnas nas duas áreas de conhecmeno, as quas ela se concenra: modelos de esoque em camadas e monorameno das prevsões de demanda. Apesar da vasa leraura sobre modelos de esoque em camadas, são enconradas poucas soluções exaas para esses modelos. No caso de ssemas com reposção conínua dos esoques, por exemplo, algumas referêncas são: Graves (985), Chen e Zheng (997), Cheung e Hausman () e Axsäer (). Quando se raa de reposção peródca, essas soluções são anda mas raras, como por exemplo: Chu e hen (), Cachon () e Lljenberg (996). O méodo heurísco aqu proposo é dreconado a um ssema de esoque com duas camadas e reposção peródca dos esoques, com as segunes caraceríscas: nervalos enre reposções guas e sncronzadas nas lojas; ameno parcal dos peddos das lojas ao CD; as demandas nas lojas não são necessaramene guas, podo segur uma dsrbução normal, gama ou Posson. egundo a pesqusa realzada nesa ese, esudos anerores (Hejden,99; Hejden, ; Wang 3) não consderaram essas caraceríscas de forma conjuna nesse po de ssema, dferene do que é proposo nesa ese caracerzando assm a conrbução. No que ange o monorameno das prevsões de demanda, esa ese consderou o monorameno feo com o uso das esaíscas Trackng gnal, que são calculadas a parr do erro das prevsões de demanda. Foram esudadas

17 7 quaro esaíscas dferenes proposas por Brown (96), Trgg (964) e Gardner (983). Anda que essas esaíscas enham sdo amplamene esudadas aé a década de 8, como pode ser observado em Bay (969), McKenze (978), Gardner (983, 985) e (McClan, 988), algumas quesões anda permaneceram, como por exemplo, qual a melhor meodologa na deermnação dos lmes de deecção, ou mesmo qual o melhor esquema de monorameno que produz uma deecção de vés mas efcene, além dsso, qual dessas esaíscas em o melhor desempenho na deecção. Essas quesões connuam so nvesgadas como em Cohen e. al (9). No desenvolvmeno desa ese fo realzado um número de expermenos maor do que aqueles aplcados em rabalhos anerores, o que resulou nas segunes conrbuções: meodologa de obenção dos lmes de deecção dessas esaíscas, para o monorameno do erro das prevsões por amorecmeno exponencal smples; e mapeameno das suações em que cada uma das esaíscas esudadas apresenou melhor desempenho na deecção de vés nas prevsões..3. Organzação do exo O Capíulo se nca com a descrção de uma esruura de um ssema de prevsão de demanda. Em seguda, é apresenado o méodo de amorecmeno exponencal smples e o modelo consane de demanda. Conforme descro no Capíulo, no monorameno das prevsões são ulzadas esaíscas Trackng gnal calculadas a parr dos erros das prevsões. No cenro da dscussão sobre monorameno com essas esaíscas esá a deermnação dos lmes de deecção. Esse capíulo coném breve dscussão sobre a meodologa usada em pesqusas anerores para calcular esses lmes. Além dsso, ouro elemeno dscudo nesse capíulo é a medda de desempenho NMA (número médo de períodos aé um alarme verdadero), que é usada para avalar a efcênca na deecção de um vés. ão enão apresenadas dferenes nerpreações e formas de obenção dessa medda. Anda no Capíulo são descros os quaro prncpas ssemas de conrole de esoque, nclundo um comenáro sobre como os cusos são consderados na modelagem de esoques. A parr dese pono são dscudos apenas os modelos volados para os ssemas de esoques com duas camadas e revsão peródca, desacando aqueles que se aproxmam do ssema esudado nesa ese.

18 8 O Capíulo 3 é dedcado a apresenar a meodologa proposa para deermnar os lmes de conrole das esaíscas Trackng gnal. Incalmene são apresenadas duas varanes das esaíscas mas conhecdas (descras no Capíulo ), que ambém foram esadas para avalação de desempenho. Em seguda, são descros os dealhes do expermeno de smulação para a deermnação dos lmes de deecção para odas as esaíscas consderadas. Além dsso, são descros os dealhes do expermeno de smulação para avalar o desempenho dessas esaíscas na deecção do vés. Dessa forma, quaro esaíscas foram esadas, o que resulou na denfcação das mas efcenes e nas suações em que sso ocorre. Esses resulados esão reundos em abelas ao fnal do Capíulo 3, nas quas cada lme de deecção esá relaconado a um valor do parâmero, usado no amorecmeno exponencal smples. No Capíulo 4 é apresenada a proposa de modelo de esoque para um ssema com duas camadas e revsão peródca. O ssema represena uma suação ípca enconrada no varejo (um CD que abasece um conjuno de lojas). Esse capíulo se nca com a descrção do modelo e da noação usada. Em seguda é apresenada a formulação para o cálculo dos esoques médos no CD e nas lojas, bem como o processo de alocação das falas do CD nas lojas do varejo. Essas falas são ulzadas na deermnação do lead me efevo, que perme raar o ssema como um conjuno de nsalações soladas. Anda no capíulo 4, é apresenada a formulação para o modelo proposo em uma suação de demanda normal no varejo e no CD, seguda da descrção do algormo de omzação do modelo. Esse capíulo coném anda uma lusração numérca para um ssema com um CD que abasece rês lojas. Para esse mesmo ssema, fo realzado um expermeno de smulação a fm de observar a efcáca do modelo proposo. Como resulado, o nível de servço no varejo fo sasfaóro, sobreudo quando as varâncas das demandas nas lojas do varejo são smlares. Porém, para varâncas muo dferenes, aquelas lojas com maor varânca na demanda em a fcar abaxo da mea de nível de servço, por ouro lado, nsalações com varânca menor êm suas meas superadas. As conclusões e proposas para rabalhos fuuros esão reundas no Capíulo 5. Ao fnal do exo são enconrados os apêndces, os quas conêm: o méodo de busca para os lmes de deecção (APÊNDICE A), os lmes ncas de busca para o algormo proposo (APÊNDICE B) e as ronas usadas na elaboração desa ese em lnguagem MATLAB (APÊNDICE C).

19 9.4. Uso de sofware de Programação O sofware escolhdo fo o MATLAB em vrude de apresenar uma lnguagem que perme a elaboração de funções personalzadas pelo usuáro e por coner funções de geração de números aleaóros, que são navas do programa. No Anexo, esão reundas odas as ronas ulzadas na elaboração desa ese junamene com uma breve descrção do funconameno da cada uma delas. A meodologa proposa no Capíulo 3 envolve a obenção de uma medda conhecda como número médo de períodos aé um alarme (NMA), ano para a obenção dos lmes de deecção das esaíscas Trackng gnal, quano na avalação de seus desempenhos. Para a obenção dessa medda foram elaboradas quaro ronas (uma para cada esaísca esudada) capazes de calcular o NMA em função dos parâmeros do modelo consane, do parâmero do amorecmeno exponencal smples, e do parâmero usado em cada esaísca. Essas ronas são denomnadas: functst; functst; functsb; functsb. Anda segundo o Capíulo 3, a obenção dos lmes de deecção é realzada por um algormo de busca. Esse algormo fo programado em quaro ronas chamadas: fndltst; fndltst; fndltsb; fndltsb. O algormo esa eravamene as funções do po functs* aé enconrar o lme de deecção que produz o NMA (número médo de períodos aé um alarme falso) defndo. A avalação do desempenho na deecção do vés fo realzada a parr do NMA (número médo de períodos aé um alarme verdadero), que fo calculado com as funções do po functs*, ulzando os lmes de deecção enconrados. A parr da formulação do modelo de esoque para um ssema com duas camadas (Capíulo 4) e do algormo de omzação proposo para esse modelo, fo elaborada uma rona chamada dosnves. Essa rona mona a função de cuso do modelo e busca eravamene pelos níves de reposção no CD e nas lojas que mnmzam o cuso a parr dos dados de enrada: dados de cusos, méda e varânca da demanda nas lojas, Lead mes, nervalos de revsão nas lojas e no CD e meas de níves de servço nas lojas. Para observar a efcáca da solução heurísca proposa, fo elaborada uma rona chamada smulaesoque. Essa rona smula a movmenação do esoque nas lojas e no CD, para o ssema descro na lusração numérca no Capíulo 4, com o objevo de calcular o nível de servço observado em cada loja ao fnal da

20 smulação. Nesse caso, os níves de reposção do esoque são defndos pela rona dosnves.

21 . Prevsão de Demanda e semas de Conrole de Esoques Ese capíulo é dedcado à descrção do ssema de prevsão de demanda, ao monorameno do vés dessa prevsão, aos prncpas ssemas de conrole de esoque e à modelagem de esoque em camadas. O capíulo se nca com algumas defnções e descrção das fases de um processo de prevsão de demanda para o modelo consane. Nese capíulo, se enconra ambém breve dscussão sobre a meodologa usada em pesqusas anerores para calcular os lmes de deecção das esaíscas Trackng gnal, bem como uma dscussão sobre a medda de desempenho usada para avalar a efcênca dessas esaíscas na deecção de um vés. Nese capíulo são anda descros os prncpas ssemas de conrole de esoque e dscudos mporanes aspecos da modelagem de esoque em camadas. ão apresenados os quaro prncpas ssemas de conrole de esoque e dscudas as prncpas caraceríscas da modelagem de esoque em camadas. erão apresenados apenas os modelos volados a ssemas de esoques com duas camadas e revsão peródca, desacando aqueles que se assemelham ao ssema esudado nesa ese. Ao fnal dese capíulo será apresenada uma écnca usada na solução de modelos de esoque em camadas, que consse em desagregar o ssema em nsalações soladas... Conceos báscos de prevsão de demanda As prevsões de demanda são esmavas do volume que será requsado de bens ou servços no fuuro. Essas esmavas são o pono de parda para o planejameno das funções markeng, fnanças e operações, de manera que odas essas são prejudcadas quando as prevsões dvergem muo da realdade. Do pono de vsa da logísca de suprmeno, prevsões dscrepanes da realdade resulam em clenes que não são ados no momeno ou na quandade desejados, ou em esoques em excesso.

22 Torna-se necessáro enão um ssema de prevsão adequado para melhorar o nível de servço aos usuáros, para planejar o ssema de reposção de esoque e denfcar a necessdade de uma maor capacdade de produção. Na Fgura. (adapada de lver e al., 998) enconra-se uma sugesão de uma esruura de um ssema de prevsão. Dados hsórcos eleção do modelo Modelo Modfcações no Modelo Prevsão Análse gerencal Prevsão modfcada Conrole do erro de prevsão Novos Dados Fgura.- Esruura de um ssema de prevsão. Nessa esruura é possível uma nervenção no processo de prevsão após análse gerencal do resulado fornecdo pelo modelo. Essa análse é parcularmene mporane quando ocorrem faos que podem nerferr na demanda (novas frmas compedoras, frmas que saíram do mercado, promoções ec) que não exsam, e, porano, não esavam mplícos nos dados passados.

23 3 Medr o erro de prevsão é uma mporane fase do ssema de prevsão, pos serve para dmensonar os esoques de segurança, para avalar se o modelo é adequado, fornecer prevsões sem vés e para avalar se as modfcações adconadas na análse gerencal são pernenes. Porano, os objevos de um ssema de prevsão são: esmar o valor esperado da demanda; prever com anecedênca sufcene para a omada de decsão; aualzar as esmavas perodcamene; permr a análse gerencal. egundo Ballou (4), a vasa opção de écncas para esmar o valor esperado da demanda pode ser agrupada em méodos qualavos, méodos de séres emporas e modelos causas. Os méodos de prevsão baseados em écncas de séres emporas são de especal neresse para esa ese e, segundo Ballou (4) e Bowersox e al. (), são ndcados para demandas com comporameno relavamene esável, apresenando componenes de ênca e/ou sazonaldade bem defndos ao longo do empo. Anda de acordo com esses auores, a esabldade do comporameno da demanda perme que esses méodos sejam efcenes, sobreudo para prevsões de curo prazo. Nessa crcunsânca, mudanças no padrão de demanda são muo graduas. Uma sére emporal é um conjuno de valores gerados por um processo esocásco ndexado no empo. O processo esocásco é um mecansmo gerador de uma varável aleaóra que não pode ser descra por uma função deermnísca, ou seja, a cada passo de empo a sére emporal apresena um únco valor (ou esado), de manera que anes de sua realzação seu esado é uma varável aleaóra. Um processo esocásco pode ser classfcado como conínuo ou dscreo quano ao seu espaço paramérco (Moren e Tolo, 6). No caso de séres emporas, o espaço paramérco dz respeo a manera como o empo é consderado, conínuo ou dscreo. Um processo esocásco pode anda ser conínuo ou dscreo quano ao espaço dos esados, que para uma sére emporal represena o conjuno de valores apresenados a cada marca de empo. Porano, a demanda por bens e servços ao longo do emo pode ser nerpreada como uma sére emporal. As écncas de prevsão de séres emporas são de neresse para esa ese por serem ulzadas nas prevsões de curo prazo, que servem de base para as decsões relaconadas ao conrole de esoques.

24 4.. Prevsão da demanda Em geral, a expressão modelo de prevsão esá assocada apenas ao modelo do processo gerador da demanda (ou modelo paramérco). Méodos de séres emporas podem ser ulzados para esmar os parâmeros desse modelo parndo da premssa que o comporameno fuuro da demanda reflee o comporameno passado. Logo, é essencal a dsponbldade de um hsórco de dados para sua ulzação. Evenuas mudanças no comporameno da demanda podem compromeer a efcáca do méodo de prevsão adoado. Essa perda de adequação do méodo de prevsão é percebda no erro das prevsões. No caso de prevsão em séres emporas exsem écncas de monorameno do erro dessas prevsões que auxlam na denfcação de uma mudança esruural na demanda. Os modelos chamados esruuras assumem que uma sére emporal é gerada pela combnação de um componene ssemáco somado a um componene aleaóro. O componene ssemáco pode ser esmado por dferenes écncas com base esaísca. Em geral, para prevsão da demanda de curo prazo são consderados rês modelos: Modelo Consane - é o modelo em que não se observa ênca de crescmeno ou decrescmeno na demanda, a qual vara em orno de um nível; Modelo Lnear - é o modelo em que se observa ênca de crescmeno ou decrescmeno na demanda; Modelo azonal - é o modelo em que, com ou sem ênca de crescmeno ou decrescmeno na demanda, se observam varações cíclcas na demanda.... Modelo consane de demanda e amorecmeno exponencal smples Conforme cado, o modelo consane é aquele em que não se observa ênca de crescmeno ou decrescmeno na demanda. upondo que a demanda x é gerada pelo modelo consane, em-se que x a, (.) onde a é o componene ssemáco ndepene do empo, que represena a demanda méda. Assume-se que o componene aleaóro, ambém denomnado ruído, em dsrbução normal com méda zero e varânca.

25 5 Assm, a prevsão ponual fea em um nsane para um nsane fuuro qualquer é a esmava do valor esperado da demanda (pare ssemáca) nesse nsane fuuro. No caso do modelo de nível consane, a prevsão ponual é, porano, a esmava do nível a no nsane fuuro em quesão. Essa esmava de a é a mas aual de que se dspõe no nsane em que a prevsão é fea. Formalmene: xˆ aˆ. (.) Uma das formas de calcular essa esmava é aravés do méodo de amorecmeno exponencal smples. egundo Brown (96), a esmava pode ser obda ao fm de cada período por â aˆ aˆ x, (.3) so, o parâmero de amorecmeno, no nervalo. A esmava ncal â é obda a parr da méda arméca de uma amosra rerada dos dados da sére emporal. Observa-se que se, enão a esmava do nível de a a cada nsane é gual ao valor da úlma observação; se, a esmava do nível permanece consane e gual ao seu valor ncal â. Quano maor, maor é o peso que a úlma observação em na revsão da esmava. Mas adane será dscudo como escolher o melhor valor para. A Equação (.3) pode ser reescra consderando que são dsponíves observações da demanda: x, x, x, e que o processo de prevsão fo ncado na ocasão da observação x. Enão, a prevsão fea ao fm do período, quando x fo observado, é: em: em: aˆ ˆ x a Mas, aˆ x aˆ aˆ x aˆ e subsundo a na equação acma resula Mas, 3 x ˆ ˆ a x x a e subsundo a na equação acma resula ˆ x a ˆ ˆ

26 6 aˆ x x x ˆ x a 3 3 x ˆ x a 3 Connuando com as subsuções sucessvas de aˆ ˆ ˆ 3, a 4,, a, enconrase a segune expressão: aˆ x x x aˆ aˆ aˆ j j x aˆ j. (.4) Consderando que, em suações reas, quase sempre,, 3, emos que o ermo moderados de. Logo, emos que: aˆ é aproxmadamene gual a zero, para valores aˆ j j x (.5) j Porano, â é uma méda ponderada das demandas anerores. O peso da observação x é j j. Tomando o valor esperado de â, pode-se demonsra que Eaˆ E x, o que sgnfca que a esmava â para a demanda é sem vés, uma vez que o valor esperado da prevsão ulzada ( â ) é gual ao valor esperado da varável que esá esmando ( x )..3. Monorameno da prevsão Devdo à aleaoredade naural da demanda, oda prevsão esá sujea a erro. Defne-se o erro de prevsão no período como a dferença enre a demanda observada x e a esmava de demanda para esse período, ou seja, e x xˆ,, (.7)

27 7 so ˆ a esmava da demanda (prevsão) realzada no período x, para o período. Quando se ulza um modelo de prevsão adequado, os valores desse erro osclam em orno do zero. Mas rgorosamene, seu valor esperado ( E e ) é nulo. Conudo, quando o modelo de prevsão dexa de ser aderene à realdade, as prevsões começam a fcar envesadas, o a subesmar, ou a superesmar, a demanda. Assm, o valor esperado do erro de prevsão ornase dferene de zero, ndcando a presença de vés. Nesse caso, a sére que se acreda represenar a demanda ou o méodo de prevsão ulzado (ou os parâmeros usados nos mesmos) devem ser revsos. Exse vasa leraura sobre modelos de prevsão de demanda, porém não se pode dzer o mesmo sobre écncas formas para monorar a exsênca de vés conforme as prevsões vão so realzadas. Como a nadequação do modelo resula em E e, as écncas de monorameno de prevsão de demanda são baseadas no monorameno das observações dos erros de prevsão coleadas a cada nsane de empo; mas precsamene, de esaíscas dos mesmos desnadas a esar a hpóese nula E conra a alernava e E. e Brown (96) forneceu uma das prmeras proposas de monorameno de modelos de prevsão, que consse em compuar a cada período uma esaísca conhecda como Trackng gnal, aqu denoada por TB. Essa esaísca é defnda, no período, como o módulo do quocene enre a soma cumulava do erro EAC e o desvo absoluo médo DAM, ou seja, EAC TB, (.8) DAM onde EAC e EAC com valor ncal EAC ; e DAM é a esmava do desvo absoluo médo, aualzada por amorecmeno exponencal DAM e DAM onde é smples pela fórmula recursva uma consane de amorecmeno escolhda pelo usuáro do méodo. Como valor ncal DAM para ncar o cálculo recursvo, Brown (96), bem como Gardner (983, 985), em seus rabalhos eórcos, usaram o valor

28 8 esperado de e, calculado em função do desvo-padrão do componene aleaóro da sére emporal, assumdo conhecdo num conexo eórco de análse de desempenho. No conexo práco, porém, em que não é conhecdo o valor desse desvo-padrão, ornasse necessáro esmá-lo a parr de dados hsórcos. Assm, o monorameno é realzado da segune forma: a cada período a esaísca TB é processada; quando seu valor ulrapassa um deermnado lme de conrole, sso é consderado um snal de exsênca de vés na prevsão. Essa solução se mosrou de fácl aplcação, além de não exgr a manpulação de muos dados, uma vez que na Equação (.8) são consderadas apenas duas nformações do período aneror: EAC e DAM, que são aualzados recursvamene. Embasado nessa solução, Trgg (964) propôs subsur, na Equação (.8), a soma cumulava do erro EAC pelo erro amorecdo exponencalmene EAM, ou seja, EAM TT, (.9) DAM EAM e EAM, so o EAM aualzado pela fórmula recursva onde, por sua vez, o valor ncal EAM é o valor esperado do erro de prevsão sob a hpóese nula (modelo adequado), ou seja, EAM. Trgg (964) afrma que a esaísca TT em varânca menor que TB e por esse movo é mas efcene na deecção de vés. Compuar a esaísca TB (ou TT ) e compará-la com um deermnado lme de deecção é equvalene a fazer uso de um gráfco de conrole, que surgu no Conrole Esaísco de Processos (CEP). A aplcação de gráfcos de conrole na deecção de vés em uma dferença essencal: em CEP as varáves monoradas êm dsrbução conhecda, o que facla a deermnação dos lmes de deecção, no caso chamados de lmes de conrole. Todava as esaíscas TB e TT êm dsrbução conhecda apenas em algumas suações. Nos demas casos em que essa dsrbução não é conhecda, os lmes de deecção para TB e TT são obdos por smulação. egundo o corpo edoral da revsa Inernaonal Journal of Forecasng (Forecasng, In. J. 9), não houve publcações sobre o monorameno das

29 9 prevsões desde a década de 8, aé o fnal dos anos, quando alguns argos foram publcados. Alguns desses esudos (Ord e. al, 9; Nell, 9) propuseram que, ao nvés de se concenrar no erro das prevsões, o monorameno deve er o foco sobre o comporameno da sére emporal. Nesse caso, uma vez denfcada uma mudança nesse comporameno o processo de prevsão deve ser avalado. As esaíscas Trackng gnal foram o objeo de esudo de Cohen e. al (9) que propuseram uma alernava para deermnar os lmes de deecção ( será dscuda na próxma seção). nyder e Koehler (9) ambém volaram sua aenção para essas esaíscas e propuseram um modelo de prevsão que ncorpora o erro amorecdo com o nuo de corrgr auomacamene as prevsões. Esses auores sugerem que, nesse caso, o monorameno sera dspensado, pos a correção das prevsões sera fea de forma auomáca. Desde enão, novas pesqusas vêm surgndo, como por exemplo, Krol (3) que quesonou o conceo de vés em modelos economércos, afrmando que nesses modelos o erro da prevsão pode er méda dferene de zero, mesmo quando não há vés. Anda que as esaíscas Trackng gnal enham sdo amplamene esudadas aé a década de 8, algumas quesões anda permaneceram, por exemplo, qual a melhor meodologa na deermnação dos lmes de deecção, ou mesmo qual o par (lme, ) que produz uma deecção de vés mas efcene, além dsso, qual dessas esaíscas em o melhor desempenho na deecção. A segur são dscudas dferenes formas de obenção dos lmes de conrole para as esaíscas TT e TB, bem como os créros para comparação de desempenho..3.. Lmes de deecção No cenro da dscussão sobre monorameno da prevsão com as esaíscas Trackng gnal esá a deermnação dos lmes de deecção. Nas suações em que se consderam conhecdas as dsrbuções de TT e TB, os lmares são obdos como os lmes de conrole em CEP, ou seja, são os valores dessas esaíscas que correspondem a uma probabldade pré-fxada de Erro do Tpo I. Enreano, essas esaíscas êm dsrbução conhecda apenas em algumas suações.

30 3 egundo Brown (96) a esaísca TB, quando obda a parr dos erros do amorecmeno exponencal smples, apresena dsrbução aproxmadamene normal para,. Gardner (983) chegou à mesma conclusão. Para esses casos, Brown (96) fornece uma expressão (em função de ) para calcular o desvo padrão de TB e sugere que os lmes de deecção sejam quaro vezes esse desvo. A esaísca TT, segundo Trgg (964), ambém apresena dsrbução normal, desde que, e que os erros de prevsão sejam ndepenes e normalmene dsrbuídos. Para essas condções, esse auor apresena uma expressão para calcular os lmes de TT em função de. Esses lmes não são aplcados a erros de prevsão por amorecmeno exponencal pelo fao desses erros apresenarem auocorrelação. Bay (969) e McKenze (978) consderaram a auocorrelação e observaram que para, a hpóese de normaldade de TT se maném. Baseados nessa hpóese, esses auores desenvolveram expressões para esmar a varânca de TT em função de. A formulação de Bay (969) consdera o monorameno de prevsões por amorecmeno exponencal de qualquer ordem. Além dsso, para, Bay (969) consruu abelas com a dsrbução cumulava de TT, obda aravés de smulação, para o caso de prevsões por amorecmeno exponencal smples e duplo. McKenze (978), enre ouras conrbuções, revu a pesqusa de Bay (969) e forneceu novo desenvolvmeno, que resulou na expansão dos cálculos para prevsões baseadas nos modelos sazonas de Hol-Wners. Nas suações em que não se conhece a dsrbução de TT e TB resa recorrer à smulação para defnr os lmes de deecção para o monorameno do vés, como fez Trgg (964) para TT a parr de erros de prevsão ndepenes e,, ; e Bay (969) para o caso de erros de prevsão por amorecmeno exponencal smples, consderando os valores,,,,,3,,4,,5. Gardner (983, 985) ambém ulzou a smulação para ober os lmes de TT e TB com o auxílo do NMA (número médo de períodos aé o alarme). O méodo ulzado consse em gerar aleaoramene valores de demanda segundo o modelo x

31 3 x y, (.) onde y é função conhecda no empo e é uma varável aleaóra normal com méda e varânca. Após a geração da demanda, a prevsão xˆ fo fea por amorecmeno exponencal smples (como na Equação (.4)), o erro e fo calculado de acordo com a Equação (.7) e usado nas esaíscas TT e TB. Uma vez que um lme L é adoado, pode ocorrer um alarme, mesmo que não haja mudança no comporameno da demanda, devdo à varação naural de x. Nesse caso, em-se um alarme falso. O período aé um alarme é armazenado e o processo é repedo aé replcações. Por fm, deermnase o número médo de períodos aé um alarme falso (NMA). Assm, o procedmeno se resume a fxar um valor para NMA e ulzar um méodo de busca para deermnar o lme L correspondene a esse valor. Gardner não deu dealhes sobre o méodo de busca ulzado. O cuso com alarmes falsos é ão menor quano maor o NMA, porano, orna-se esraégco fxar esse valor em um paamar consderado aceável pelo usuáro para em seguda enconrar o lme correspondene. Essa meodologa usada por Gardner (983, 985), fo adapada nesa ese, como será dscuo do nas seções.3.3. e 3.. Cohen e al. (9) propuseram, alernavamene, esabelecer os lmes de conrole a parr de curvas caraceríscas de operação do recepor (ROC), deermnadas emprcamene. Essas curvas fornecem, para cada combnação de e lmes, a axa de alarmes verdaderos (ndcação de vés quando exse) e a axa de alarmes falsos (ndcação de vés quando não exse). A axa de alarmes verdaderos depe da aleração na sére, que nesse caso, Cohen e al. consderaram mudanças no nível da sére. egundo esses auores, o usuáro deve defnr o melhor radeoff enre as axas de alarmes verdaderos e falsos, para enão localzar nas curvas os parâmeros e os lmes de deecção correspondenes.

32 3.3.. Meddas de desempenho A exsênca de dferenes esaíscas para monorar as prevsões de demanda levana a quesão sobre qual delas sera mas efcene na deecção do vés. Gardner (983) fo um dos poneros em buscar uma resposa a essa quesão fazo a comparação de desempenho enre TT e TB. A medda de desempenho usada na comparação fo o NMA (número médo de períodos aé um alarme verdadero), fo obdo va smulação em um procedmeno semelhane àquele usado para o NMA. Para a obenção do NMA o prmero passo é conhecer os lmes de deecção, que são deermnados conforme descro na eção.3. para um NMA pré-fxado. Na deermnação do NMA sabe-se que odo o alarme é falso em vrude de não er sdo nserda nenhuma mudança de comporameno na geração da demanda. Por ouro lado, para o cálculo do NMA é nserda uma mudança no comporameno da demanda para que ocorra um vés. Porano, odo o alarme que ocorrer após essa mudança é consderado verdadero. A parr de um dado período, em cada corrda da smulação é nserda, uma mudança de comporameno em y (como na Equação (.)). Assm que ocorrer o alarme, o número de períodos enre a mudança na demanda e a deecção é armazenado, o processo enão é rencado. Esse procedmeno é repedo um grande número de vezes para que por fm seja calculado o número médo de períodos aé um alarme verdadero (NMA). As corrdas em que o alarme ocorre anes da mudança na demanda são descaradas. Assm, o méodo mas efcene na deecção do vés na prevsão é aquele que apresenar o menor NMA para um mesmo NMA. Gardner (983) ulzou essa meodologa para comparar o desempenho das esaíscas TT e TB. Em seu expermeno, a demanda fo gerada pelo modelo consane x a u (nesse caso y a na Equação (.), onde a é consane). A esmava xˆ fo calculada recursvamene por amorecmeno exponencal smples, ou seja, xˆ xˆ x, (.) so. Ele consdera, onde é a consane de amorecmeno usada para calcular DAM nas Equações (.8) e (.9).

33 33 Para que ocorresse um vés na prevsão, a parr de um dado período fo nserda uma mudança de comporameno na demanda por meo de um ncremeno a no nível do modelo consane (chamado pelo auor de sep). Esse ncremeno fo proporconal ao desvo padrão do ruído. Para deermnar o NMA e NMA para as esaíscas TT e TB Gardner (983) consderou os casos,, e concluu que para, a esaísca TB em desempenho equparado ao de TT, porém para, TB é superor. O auor sugere enão usar TB na deecção de vés. Uma vez que não há razão para forçar, McKenze (978) expermenou valores de, e conclundo que proporcona um melhor desempenho na deecção do vés. Levando em cona esse resulado, Gardner (985) fez comparações enre as esaíscas TT e TB consderando uma demanda consane ( y a ) e uma prevsão por amorecmeno exponencal smples. Esse auor esou as combnações enre,5, e,,,,,3 para as duas esaíscas e concluu que ano TT quano TB melhoram o desempenho para TB apresena melhor desempenho. e que na maora dos casos esados Porano, as pesqusas voladas para comparar o desempenho enre TT e TB na deecção de vés se resumram a um unverso pequeno de combnações de e. As prevsões monoradas nessas comparações de desempenho se resrngram àquelas por amorecmeno exponencal smples. Além dsso, apenas o sep fo consderado como mudança na demanda que leva ao surgmeno do vés Dferenes nerpreações para NMA O número médo de períodos aé um alarme falso (NMA) é fxado pelo gesor com o nuo de calcular o lme de deecção correspondene. Em vrude do cuso com alarmes falsos, deseja-se que NMA seja muo grande. Infelzmene, os objevos de NMA o maor possível e NMA o menor possível são conflanes, uma vez que quano maor o NMA especfcado, maor o lme de deecção, o que leva a um aumeno no NMA. Porano, o valor adoado para

34 34 NMA é esraégco, e dferenes meodologas para esmá-lo podem levar a resulados dvergenes. A defnção de NMA usada por Gardner (983, 985) sugere duas nerpreações que podem levar a conclusões dsnas a respeo do melhor desempenho (McClan, 988). Essas nerpreações são: NMA() É o número médo de períodos enre alarmes falsos em um ssema de monorameno da prevsão em operação. NMA() É o número médo de períodos aé um alarme falso, conados a parr de um pono arbráro no empo. O procedmeno padrão para calcular NMA() é gerar por smulação uma sére de demanda com um número de períodos muo grande, e a cada alarme falso armazenar o número de períodos enre esse e o úlmo alarme ocorrdo. O monorameno é rencado e conam-se as amosras aé que o próxmo alarme ocorra. Repee-se o processo dessa forma aé que um número deermnado de alarmes ocorra, e ao fnal o NMA() é esmado. Anda segundo esse auor, exsem duas varações de NMA(), que depem da forma de ncalzação de TT e TB quando ocorre um alarme falso, de forma que: NMA(a) em caso de alarme falso, anes de rencar o monorameno, as esaíscas do erro amorecdo ncal EAM e do erro acumulado ncal EAC reornam para zero; NMA(b) em caso de alarme falso, anes de rencar o monorameno, as esaíscas do erro amorecdo ncal EAM e do erro acumulado ncal EAC reornam para zero, e ano o desvo absoluo médo ncal DAM quano a esmava ncal da prevsão ˆx são subsuídos por seus valores esperados. McClan (988) bazou NMA(a) de no rese e NMA(b) de perfec rese e mosrou que os valores de NMA podem dferr em aé 5%, depo do méodo ulzado em sua deermnação. Esse auor concluu que Gardner (983, 985) usou o NMA(), e nesse caso o DAM fo calculado por uma expressão analíca que é função da varânca do ruído da sére emporal, e que a prevsão ncal fo defnda como o nível do modelo consane ( xˆ a ). Esse procedmeno é crcado por McClan (988) por ser nvável na práca conhecer perfeamene a varânca do ruído e a méda da demanda. O auor concorda com o procedmeno de maner fxo o NMA. Enreano, recoma que o melhor procedmeno para ober esse valor é o NMA(b) ou no rese.

35 35 Nesa ese, a obenção do NMA é um recurso semelhane ao ulzado por Gardner (983, 985) dferndo-se apenas nas esmavas ncas de DAM e x, ˆ que nesse caso são obdas a parr de uma amosra. Busca-se com esse procedmeno conornar os ponos fráges aponados por McClan (988) com relação ao NMA() usado por Gardner (983, 985) Ouras meddas de desempenho Apesar de concordar com NMA como uma boa forma de deermnar os lmes de deecção, McClan (988) afrma que o desempenho não deve ser meddo usando NMA em vrude desa esaísca apresenar uma varânca grande. Como alernava o auor sugere que o deal é observar o número de deecções aé o enésmo período. A dea é que se deve defnr quando o vés deve ser deecado. Porano, o melhor méodo na deecção é aquele que apresena maor número de deecções aé o período desejado, ou de oura forma, aquele que em maor probabldade acumulada de deecção aé aquele período. Oura proposa para medr o desempenho fo sugerda por Cohen e al. (9), que aravés das curvas caraceríscas de operações afrmam que o melhor desempenho corresponde a maor axa de alarmes verdaderos junamene com a menor axa de alarmes falsos. As amosras usadas na obenção das curvas caraceríscas de operação foram exraídas de uma sére emporal real. Assm como sugerdo por McClan (988) os alarmes falsos e verdaderos conablzados foram apenas aqueles que ocorreram denro de um número máxmo de períodos consderado Crícas ao uso de TT e TB e oporundades de conrbução da pesqusa As duas écncas descras para deecção de vés se apresenam de fácl uso e necessam da armazenagem de poucos dados. Em uma suação práca, esses aspecos são mporanes. Apesar dsso, cada uma dessas écncas em suas desvanagens: a prncpal críca ao TB se deve ao fao de seu numerador ser uma soma de varáves aleaóras, consequenemene seu desvo-padrão cresce, fazo com que a probabldade de alarme falso ambém cresça.

36 36 A esaísca TT não apresena esse problema, pos seu desvo-padrão é lmado, uma vez que rabalha com o erro amorecdo no numerador. Por ouro lado, a esaísca TT ambém em sua desvanagem em relação à TB : Como fo mosrado por Gardner (983), o desempenho na deecção pora para, o que não ocorre com TB, cujo desempenho mosrou-se esável nessa suação. Os argos cados não exploraram combnações enre e sufcenes para defnr qual dessas écncas é superor ou em que suação cada uma é preferível. Assm, nesa ese, resulados conclusvos foram obdos nvesgando um número maor de combnações de (8 valores) e ( valores); as resulados são apresenados na eção 3.3. Além das esaíscas cadas, foram ambém esadas ouras duas esaíscas, conforme será descro na eção semas de Conrole de Esoques A decsão sobre o conrole de esoque se nca pela defnção da frequênca com que o nível do esoque (undades em esoque + undades peddas undades em fala) será verfcado, de acordo com lver e al. (998), exsem duas opções: revsão connua e revsão peródca. O auor fornece dos exemplos de revsão conínua observados na práca: ssemas que aualzam as nformações do esoque a cada ransação realzada (recebmeno, va, envo para o clene, ec); ou ssemas que aualzam as nformações a parr dos ponos de va no varejo, ou seja, a cada va o nível do esoque é aualzado. Nesses exemplos, as ransações podem ocorrer a qualquer momeno, por esse movo, a revsão é chamada de conínua. No caso da revsão peródca, o esoque é verfcado em nervalos regulares T. Porano, enre duas verfcações consecuvas não é conhecdo o saus do esoque. A parr do momeno que a frequênca de verfcação do nível de esoque é defnda, segundo lver e al. (998), consdera-se um enre quaro dos prncpas ssemas de conrole de esoque descros a segur. Pono de peddo e loe fxo com revsão conínua nesse ssema, o nível de esoque é verfcado connuamene. Quando esse nível é gual ou menor a uma quandade R, um peddo de Q undades é envado ao fornecedor, caso conráro, nada é feo. Tem-se enão o ssema R, Q.

37 37 Pono de peddo e esoque máxmo com revsão conínua nesse ssema, o nível de esoque é verfcado connuamene. Quando esse nível for gual ou menor a uma quandade R, o peddo enão é feo de al forma que o nível de esoque seja ncremenado aé um valor máxmo, como consequênca o loe peddo não é fxo. Esse ssema é conhecdo como R,. Esoque máxmo com revsão peródca nesse ssema, a cada nervalo T é realzado um peddo de al forma que o nível de esoque seja ncremenado aé um valor máxmo. Esse ssema é conhecdo como T,. O ssema T, R, é a combnação de ouros dos - nesse ssema, a cada nervalo T o nível de esoque é verfcado. Quando esse nível é gual ou menor a uma quandade R, é realzado um peddo de al forma que o nível de esoque seja ncremenado aé um valor máxmo. Um caso parcular desse ssema é conhecdo como,. Nesse ssema, o pono de peddo é defndo por R, ou seja, quando o nível de esoque esver ao menos uma undade abaxo de um peddo deve ser feo para que a mea seja angda novamene. Esse é o ssema de conrole de esoque que esá relaconado com o escopo desa ese, em vrude de ser usado no varejo. Os valores s,, R, T e Q, que defnem os ssemas de conrole de esoque, podem ser defndos por modelos de esoque embasados em formulações maemácas que levam em consderação dados que caracerzam o ssema de conrole e o ssema físco represenado, por exemplo: demanda, cusos com esoques, po de revsão, resrções de capal, ec. Um desses dados é o lead me, que é defndo como o nervalo de empo enre a realzação de um peddo e o seu recebmeno. Ouro dado de enrada é a demanda, que, depo da forma como é consderada, dvde os modelos em dos grupos: modelos deermníscos, que consderam a demanda como deermnísca; e modelos probablíscos, que consderam a demanda ou lead me como varáves aleaóras. O objevo da maora dos modelos de esoque é mnmzar o cuso oal com esoques. De acordo com lver e al. (998), os cusos consderados relevanes na modelagem de esoques são os de encomar (ou fazer peddos), cusos de manuenção dos esoques e cusos com falas ou araso no ameno ao clene. O cuso de encomar é proporconal ao número de peddos em um dado período. Esse cuso consdera os gasos com o processameno do peddo e operações de recebmeno. O cuso de encomar

38 38 é consderado consane e ndepene da quandade de ens envolvda nos peddos. O cuso de maner o esoque esá relaconado com os gasos para maner os ens no esoque aé o momeno de seu envo para o clene. O prncpal cuso relaconado à manuenção do esoque é o cuso de capal (ou de oporundade) provenene da deprecação do capal moblzado em forma de ens esocados. As penaldades provenenes da fala de produos ou arasos na enrega mplcam nos cusos de fala. Por defnção, cusos de fala devem englobar os cusos dreos (va perdda) mas os cusos ndreos relaconados com a fala do em, como por exemplo, a perda da confabldade do clene na loja. A arefa de deermnar o cuso de fala pode ser complexa, sobreudo do pono de vsa da quanfcação do cuso ndreo, em vrude da dfculdade de denfcá-lo e raeá-lo enre as demas despesas. Uma alernava ao uso do cuso de fala é mpor ao modelo de esoque uma resrção de nível de servço conhecda como fll rae. Essa resrção represena a fração da demanda pronamene ada a parr do esoque. Embora exsam ouras defnções para nível de servço a únca consderada nesa ese será o fll rae. Assm, modelos de esoque êm o objevo de auxlar nas decsões do ssema de conrole do esoque, de forma que a demanda seja ada ao menor cuso, levando ambém em cona ceras resrções, por exemplo, lme de quandade pedda, nível de servço mínmo, lme de cuso, ec..4.. Modelos de esoque em camadas Os modelos de esoque em camadas são elaborados a fm de represenar a movmenação dos esoques em redes de suprmeno. Essas redes apresenam ao longo de suas camadas processos de monagem, de produção e dsrbução. A parr de uma deermnada camada o fluxo de maeras passa a er avdades somene de dsrbução. Em geral, a camada que anecede as lojas do varejo apresena somene avdades de dsrbução. egundo Axsäer (6) e Zpkn (), resulados eórcos e empírcos aponam que ssemas com múlplos níves devem ser modelados de forma conjuna, pos a práca de omzar as nsalações separadamene não resula no menor cuso oal com esoques para o ssema.

39 39 A modelagem de esoques em um ssema com camadas mplca no aumeno da complexdade maemáca, quando comparada com a modelagem solada de cada nsalação. Em muos casos as soluções de modelos em camadas exgem grande esforço compuaconal, resulado da neração enre os níves de reposção de esoques adoados em cada nsalação. Essa complexdade aumena com o número de nsalações e camadas consderadas. Mesmo para modelos com duas camadas, por exemplo, um cenro de dsrbução (CD) que abasece lojas no varejo, poucas soluções ómas (méodos exaos) foram desenvolvdos aé hoje. Alguns exemplos de soluções ómas são enconrados em Graves (985), Chen e Zheng (997), Cheung e Hausman () e Axsäer (), odos esses consderam revsão conínua e políca de pono de peddo com loe fxo. oluções ómas para ssemas com revsão peródca são anda mas raras. Chu e hen () cam Cachon () e Lljenberg (996) como exemplos de soluções ómas para ssemas com revsão peródca e loe fxo. Em função da complexdade em ober soluções ómas, as pesqusas êm se concenrado em méodos heuríscos, que va de regra, são valdados por expermenos de smulação. Algumas abordagens de modelos de esoque em camadas êm como premssas o conhecmeno do nível de esoque, dos níves de reposção e da demanda em odas as nsalações do ssema. Na práca, em uma rede de suprmenos anda é um desafo o comparlhameno de nformação ao longo de oda a rede, pos geralmene as empresas consderam essas nformações esraégcas e preferem manê-las em sglo. Apesar dsso, com a evolução do conceo de gesão logísca negrada, cada vez mas exse o esímulo para que haja um maor comparlhameno dessas nformações. A dea de que a nformação esá cada vez mas dsponível em se refledo na ênca observada recenemene nos modelos de esoque em duas camadas, como por exemplo, Cachon e Fsher (), Monzadeh (), Özer (3), Axsäer e Marklund (8), Bakal, Erkp e Güllü () e Howard e Marklund (). Esses esudos propuseram novas polícas de esoque sob a premssa de obenção de nformações em empo real. Informações como nível de esoque, cusos com ranspore e preços são ulzadas para defnr como o cenro de dsrbução deve alocar o esoque dsponível nas lojas do varejo. egundo seus auores essas polícas resularam em menor cuso com esoques quando comparado com polícas radconas.

40 4 A segur será descra uma suação ípca que perme assumr que exsa o comparlhameno de nformações em empo real..4.. Hpóeses e a físca do problema Apesar da dfculdade em comparlhar nformações em uma rede de suprmenos, algumas suações favorecem a aplcação desses modelos de esoque mul-camada. Um exemplo sera uma empresa que abrange mas de uma camada em uma rede, como no caso das lojas do varejo que são abasecdas pelo própro cenro de dsrbução (CD). Nessa suação essas nformações são envadas por meo elerônco das lojas para o CD, que em plena condção de decdr sobre o envo de ens para as lojas, bem como de defnr seus peddos para os fornecedores exernos. Assm, esse ssema com duas camadas pode ser represenado como na Fgura.. Fgura. sema cenralzado com duas camadas Esse ssema é cenralzado, ou seja, odas as nformações de esoque e demanda nas lojas são conhecdas no CD. Além dsso, os parâmeros de reposção ano nas lojas quano no CD são defndos no CD. Todas as nsalações no ssema da Fgura. adoam políca de revsão peródca do esoque. O nervalo de revsão no varejo é gual em odas as lojas, enquano que o CD adoa um nervalo múlplo nero daquele aplcado no varejo. A políca de ressuprmeno adoada nas nsalações consse em realzar um peddo a cada nervalo de revsão T vsando angr o nível máxmo de reposção. Essa políca é conhecda como T,. Os nervalos de revsão nas lojas, além de guas, são sncronzados, de manera que o CD verfca seus níves de esoque smulaneamene.

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

3 Planejamento da Operação Energética no Brasil

3 Planejamento da Operação Energética no Brasil 3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual

Leia mais

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010.

ANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010. ANEXO III Noa Técnca nº 148/21-SRE/ANEEL Brasíla, 24 de mao de 21. M E T O D O L O G I A E Á L U L O D O F A T O R X ANEXO II Noa Técnca n o 148/21 SRE/ANEEL Em 24 de mao de 21. Processo nº 485.269/26-61

Leia mais

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras

Análise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras Vâna Sofa Sequera Umbelno Análse do Desempenho dos Gesores de Fundos, baseada nas Transações e nas Parcpações das Careras Dsseração de Mesrado apresenado à Faculdade de Economa da Unversdade de Combra

Leia mais

ipea COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA

ipea COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA COEFICIENTES DE IMPORTAÇÃO E EXPORTAÇÃO NA INDÚSTRIA Paulo Mansur Levy Mara Isabel Fernans Serra Esa noa em como objevo dvulgar resulados relavos ao comporameno das exporações e mporações produos ndusras

Leia mais

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.

CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4. CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas

Leia mais

S&P Dow Jones Indices: Metodologia da matemática dos índices

S&P Dow Jones Indices: Metodologia da matemática dos índices S&P Dow Jones Indces: Meodologa da maemáca dos índces S&P Dow Jones Indces: Meodologa do índce Ouubro 2013 Índce Inrodução 3 Dferenes varedades de índces 3 O dvsor do índce 4 Índces ponderados por capalzação

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja

Otimização no Planejamento Agregado de Produção em Indústrias de Processamento de Suco Concentrado Congelado de Laranja Omzação no Planeameno Agregado de Produção em Indúsras de Processameno de Suco Concenrado Congelado de Larana José Renao Munhoz Crova Agro Indusral Lda., 15800-970, Caanduva, SP (ose.munhoz@crova.com)

Leia mais

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela

Esta monografia é dedicada a Letícia e aos meus pais, João e Adelangela Esa monografa é dedcada a Leíca e aos meus pas, João e Adelangela Agradecmenos Gosara de agradecer ao Prof. Vrgílo, pelo apoo e orenação dados durane ese e ouros rabalhos. Agradeço ambém a meus colegas

Leia mais

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN

DINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO DINÂICA E PREVISÃO DE PREÇOS DE COODITIES AGRÍCOLAS CO O FILTRO DE KALAN Flávo Pnhero Corsn (POLI-USP) flavo.corsn@gmal.com Celma de Olvera Rbero (POLI-USP)

Leia mais

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro

Interpolação e Extrapolação da Estrutura a Termo de Taxas de Juros para Utilização pelo Mercado Segurador Brasileiro Inerpolação e Exrapolação da Esruura a Termo de Taxas de Juros para Ulzação pelo Mercado Segurador Braslero Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc.,

Leia mais

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005

Impacto da Educação Defasada sobre a Criminalidade no Brasil: 2001-2005 1 Impaco da Educação Defasada sobre a Crmnaldade no Brasl: 2001-2005 Evandro Camargos Texera Ana Lúca Kassouf Seembro, 2011 Workng Paper 010 Todos os dreos reservados. É probda a reprodução parcal ou negral

Leia mais

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES.

Avaliação Inter/Intra-regional de absorção e difusão tecnológica no Brasil: Uma abordagem não-paramétrica. AUTORES. Avalação Iner/Inra-regonal de absorção e dfusão ecnológca no Brasl: Uma abordagem não-paramérca. Palavras chave: Efcênca écnca Produvdade oal Varação ecnológca AUTORES Emerson Marnho ouor em Economa pela

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY a 5 Novembro de 009 Recfe - PE GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL HIDROTERM

Leia mais

ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL

ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR EIO DOS ODELOS CAP NÃO-CONDICIONAL E CAP CONDICIONAL (Cos of equy analyss n Brazl: Non-Condonal CAP and Condonal CAP) Lumla Souza Grol 1 1 Unversdade Federal

Leia mais

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos

Análise RFV do Cliente na Otimização de Estratégias de Marketing: Uma Abordagem por Algoritmos Genéticos Análse RFV do Clene na Omzação de Esraégas de Markeng: Uma Abordagem por Algormos Genécos Anderson Gumarães de Pnho Ponfíca Unversdade Caólca do Ro de Janero Ro de Janero RJ Brasl agp.ne@gmal.com 1. Inrodução

Leia mais

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A.

Despacho n.º 13/06. 2. A presente resolução entra em vigor no dia seguinte ao da sua publicação. João Renato Lima Presidente do C.A. Despacho n.º 13/06 De enre as arbuções da Agênca de Regulação Económca desaca-se a compeênca de fxar as arfas e os mecansmos de reajuses a serem pracados pela oncessonára do servço públco de ranse e dsrbução

Leia mais

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

Índice de Preços Imobiliários para o Brasil: Estudos para Discussão

Índice de Preços Imobiliários para o Brasil: Estudos para Discussão Mnséro do Planejameno, Orçameno e Gesão Insuo Braslero de Geografa e Esaísca IBGE Dreora de Pesqusas Coordenação de Índces de Preços Ssema Naconal de Índces de Preços ao Consumdor SNIPC Índce de Preços

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP OTIMIZAÇÃO DA

Leia mais

2. REVISÃO BIBLIOGRÁFICA

2. REVISÃO BIBLIOGRÁFICA MODELO DE APOIO À DECISÃO PARA UM PROBLEMA DE POSICIONAMENTO DE BASES, ALOCAÇÃO E REALOCAÇÃO DE AMBULÂNCIAS EM CENTROS URBANOS: ESTUDO DE CASO NO MUNICÍPIO DE SÃO PAULO RESUMO Ese argo apresena uma proposa

Leia mais

3 Teoria de imunização

3 Teoria de imunização 33 3 Teora de munzação Como fo vso, o LM é um gerencameno conuno de avos e passvos como o nuo de dmnur ou aé elmnar os rscos enfrenados pelas nsuções fnanceras. Deses rscos, o rsco de axa de uros represena

Leia mais

Desconcentração e interiorização da economia fluminense na última década

Desconcentração e interiorização da economia fluminense na última década DSCONCNTRAÇÃO INTRIORIZAÇÃO DA CONOMIA FLUMINNS NA ÚLTIMA DÉCADA PAULO MARCLO SOUZA; NIRALDO JOSÉ PONCIANO; MARLON GOMS NY; HNRIQU TOMÉ MATA; UNIVRSIDAD FDRAL DA BAHIA SALVADOR - BA - BRASIL pmsouza@uenf.br

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA

UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA UNIVERSIDADE FEDERAL DE PERNAMBUCO PIMES PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA DOUTORADO EM ECONOMIA MARCOS ROBERTO GOIS DE OLIVEIRA GERENCIAMENTO DO RISCO DE MERCADO BASEADO NO VALUE AT RISK ESTÁTICO

Leia mais

MODELAGEM DO PLANEJAMENTO AGREGADO DA PRODUÇÃO DE UMA USINA SUCROALCOOLEIRA

MODELAGEM DO PLANEJAMENTO AGREGADO DA PRODUÇÃO DE UMA USINA SUCROALCOOLEIRA UNIVERSIDADE FEDERAL DE ITAJUBÁ Anerson Francsco da Slva MODELAGEM DO PLANEJAMENTO AGREGADO DA PRODUÇÃO DE UMA USINA SUCROALCOOLEIRA Dsseração submeda ao Programa de Pós-Graduação em Engenhara de Produção

Leia mais

A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS

A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS A IMPLANTAÇÃO DO PRINCÍPIO DO DESTINO NA COBRANÇA DO ICMS E SUAS IMPLICAÇÕES DINÂMICAS SOBRE OS ESTADOS Nelson Leão Paes PIMES/UFPE Resumo Nese argo, ulzou-se um modelo de equlíbro geral dnâmco para esmar

Leia mais

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes

A estrutura a termo de taxas de juros no Brasil: modelos, estimação, interpolação, extrapolação e testes A esruura a ermo de axas de juros no Brasl: modelos, esmação, nerpolação, exrapolação e eses Sergo Lus Frankln Jr. Thago Baraa Duare César da Rocha Neves + Eduardo Fraga L. de Melo ++ M.Sc., SUSEP/CGSOA

Leia mais

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás

Análise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás Análse comparava e ese empírco da valdade dos modelos capm radconal e condconal: o caso das ações da Perobrás Análse comparava e ese empírco da valdade dos modelos CAPM radconal e condconal: o caso das

Leia mais

ESTUDO COMPARATIVO DE SISTEMAS DE AERAÇÃO PARA A ESTAÇÃO DE TRATAMENTO DE ESGOTOS SUZANO

ESTUDO COMPARATIVO DE SISTEMAS DE AERAÇÃO PARA A ESTAÇÃO DE TRATAMENTO DE ESGOTOS SUZANO ESTUDO COMPARATIVO DE SISTEMAS DE AERAÇÃO PARA A ESTAÇÃO DE TRATAMENTO DE ESGOTOS SUZANO Roque Passos Pvel Escola Polécnca da Unversdade de São Paulo - EPUSP Pedro Alem Sobrnho Escola Polécnca da Unversdade

Leia mais

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana

Arbitragem na Estrutura a Termo das Taxas de Juros: Uma Abordagem Bayesiana Arbragem na Esruura a ermo das axas de Juros: Uma Abordagem Bayesana Márco Pole Laurn Armêno Das Wesn Neo Insper Workng Paper WPE: / Copyrgh Insper. odos os dreos reservados. É probda a reprodução parcal

Leia mais

PREVISIBILIDADE NO MERCADO DE COMMODITIES: UM ESTUDO APLICADO AO PREÇO DA SOJA NO BRASIL

PREVISIBILIDADE NO MERCADO DE COMMODITIES: UM ESTUDO APLICADO AO PREÇO DA SOJA NO BRASIL Salvador, BA, Brasl, 08 a de ouubro de 03. PREVISIBILIDADE O MERCADO DE COMMODITIES: UM ESTUDO APLICADO AO PREÇO DA SOJA O BRASIL Everon Anger Cavalhero (UFPEL ) ecavalhero@cvsm.com.br Kelmara Mendes Vera

Leia mais

UNIVERSIDADE FEDERAL DE ITAJUBÁ INVESTIMENTOS EM DISTRIBUIÇÃO DE ENERGIA ELÉTRICA SOB INCERTEZA REGULATÓRIA UTILIZANDO OPÇÕES REAIS

UNIVERSIDADE FEDERAL DE ITAJUBÁ INVESTIMENTOS EM DISTRIBUIÇÃO DE ENERGIA ELÉTRICA SOB INCERTEZA REGULATÓRIA UTILIZANDO OPÇÕES REAIS UNIRSIDAD FDRAL D ITAJUBÁ TS D DOUTORADO INSTIMNTOS M DISTRIBUIÇÃO D NRGIA LÉTRICA SOB INCRTZA RGULATÓRIA UTILIZANDO OPÇÕS RAIS JULIA CRISTINA CAMINHA NORONHA Tese apresenada ao Programa de Pós-Graduação

Leia mais

CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO

CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO RODRIGO ALBUQUERQUE, ANSELMO RODRIGUES, MARIA G. DA SILVA. Grupo de Ssemas de Poênca, Deparameno

Leia mais

12 Integral Indefinida

12 Integral Indefinida Inegral Indefinida Em muios problemas, a derivada de uma função é conhecida e o objeivo é enconrar a própria função. Por eemplo, se a aa de crescimeno de uma deerminada população é conhecida, pode-se desejar

Leia mais

ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO

ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO ESTUDOS DE EVENTO: TEORIA E OPERACIONALIZAÇÃO TUTORIAL Marcos Anôno de Camargos Admnsrador de Empresas, MBA em Gesão Esraégca (Fnanças), Mesre em Admnsração pelo NUFI/CEPEAD/FACE/UFMG e Professor do Cenro

Leia mais

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO THIAGO CAIUBY GUIMARÃES TESTES EMPÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO

FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO THIAGO CAIUBY GUIMARÃES TESTES EMPÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO AULO THIAGO CAIUBY GUIMARÃES TESTES EMÍRICOS DA EFICIÊNCIA DO MERCADO ACIONÁRIO BRASILEIRO SÃO AULO 28 THIAGO CAIUBY GUIMARÃES TESTES EMÍRICOS DA EFICIÊNCIA

Leia mais

Renda Básica da Cidadania versus Imposto de Renda Negativo: O Papel dos Custos de Focalização

Renda Básica da Cidadania versus Imposto de Renda Negativo: O Papel dos Custos de Focalização Renda Básca da Cdadana versus Imposo de Renda Negavo: O Papel dos Cusos de Focalzação Nelson Leão Paes Marcelo Leer Squera Re s u m o O presene argo procura comparar duas polícas socas alernavas de combae

Leia mais

da rede são atualizados de acordo com a equação 2 [13]:

da rede são atualizados de acordo com a equação 2 [13]: LS-DRAUGHTS - UM SISTEMA DE ARENDIZAGEM ARA DAMAS COM GERAÇÃO AUTOMÁ- TICA DE CARACTERÍSTICAS HENRIQUE CASTRO NETO, RITA MARIA SILVA JULIA Faculdade de Compuação, Unversdade Federal de Uberlânda Av. João

Leia mais

MOMENTO ÓTIMO PARA INVESTIR EM PROJETOS DE MINERAÇÃO: UMA ANÁLISE POR OPÇÕES REAIS E TEORIA DOS JOGOS

MOMENTO ÓTIMO PARA INVESTIR EM PROJETOS DE MINERAÇÃO: UMA ANÁLISE POR OPÇÕES REAIS E TEORIA DOS JOGOS UNIVERSIDADE FEDERAL DE MINAS GERAIS ALEXANDRE DE CÁSSIO RODRIGUES MOMENTO ÓTIMO PARA INVESTIR EM PROJETOS DE MINERAÇÃO: UMA ANÁLISE POR OPÇÕES REAIS E TEORIA DOS JOGOS Belo Horzone MG 202 UNIVERSIDADE

Leia mais

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido.

Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. Erro! Indicador não definido. A Prevsão com o Modelo de Regressão.... Inrodução ao Modelo de Regressão.... Exemplos de Modelos Lneares... 3. Dervação dos Mínmos Quadrados no Modelo de Regressão... 6 4. A Naureza Probablísca do Modelo

Leia mais

Tráfego em Redes de Comutação de Circuitos

Tráfego em Redes de Comutação de Circuitos Caracerzação do ráfego nálse de ssemas de esados nálse de ráfego em ssemas de erda nálse de ráfego em ssemas de araso Bloqueo em ssemas de andares múllos Máro Jorge Leão Inenconalmene em branco Caracerzação

Leia mais

1. Introdução. B = S = Valor presente esperado dos superávits futuros (1) P

1. Introdução. B = S = Valor presente esperado dos superávits futuros (1) P . Inrodução A vsão radconal da deermnação do nível de preços é baseada na eora Quanava da Moeda. Segundo essa vsão o padrão de avdade real em uma economa mplca um cero nível desejado de encaxes moneáros

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

Autoria: Josilmar Cordenonssi Cia

Autoria: Josilmar Cordenonssi Cia Uma Possível Solução para o Equy Premum Puzzle (EPP Auora: Joslmar Cordenonss Ca Resumo MEHRA e PRESCO (985 levanaram uma quesão que aé hoje não fo respondda de forma sasfaóra: o prêmo de rsco das ações

Leia mais

Ricardo Ratner Rochman FGV-EAESP. William Eid Junior FGV-EAESP

Ricardo Ratner Rochman FGV-EAESP. William Eid Junior FGV-EAESP INSIDERS CONSEGUEM RETORNOS ANORMAIS?: ESTUDOS DE EVENTOS SOBRE AS OPERAÇÕES DE INSIDERS DAS EMPRESAS DE GOVERNANÇA CORPORATIVA DIFERENCIADA DA BOVESPA Rcardo Raner Rochman FGV-EAESP Wllam Ed Junor FGV-EAESP

Leia mais

7. FILTROS PASSIVOS E ATIVOS

7. FILTROS PASSIVOS E ATIVOS 7. FILTROS PASSIVOS E ATIVOS São esudadas nese capíulo esruuras de crcuos capazes de mgar o problema de dsorção de correnes e/ou ensões em ssemas elércos. Inca-se com os flros passvos, verfcando alguns

Leia mais

Belém Pará (Março de 2012)

Belém Pará (Março de 2012) Pardade Descobera da Taxa de Juros da Economa Braslera num Ambene de Crse Fnancera Mundal: Teora e Evdênca Empírca Davd Ferrera Carvalho(*) Resumo O argo em como propóso avalar o efeo da recene políca

Leia mais

Agosto / 2014 Versão 2.16

Agosto / 2014 Versão 2.16 Agoso / 4 Versão.6 Todos os dreos reservados. Nenhuma pare dessa obra pode ser reproduzda em qualquer forma ou meo, seja elerônco, mecânco, de foocópa, ec, sem permssão do Safra, deenor do dreo auoral.

Leia mais

Estratégia Ótima de Oferta de Preços no Mercado de Curto Prazo em Sistemas com Predominância Hidrelétrica

Estratégia Ótima de Oferta de Preços no Mercado de Curto Prazo em Sistemas com Predominância Hidrelétrica Armando Maos de Olvera Esraéga Óma de Ofera de Preços no Mercado de Curo Prazo em Ssemas com Predomnânca Hdrelérca Tese de Douorado Tese apresenada ao Deparameno de Engenara Elérca da Ponfíca Unversdade

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Projeções de inflação

Projeções de inflação Projeções de nflação A experênca do Banco Cenral do Brasl Leonardo Po Perez Banco Cenral do Brasl Depep III Fórum Baano de Economa Aplcada Agoso de 23 Sumáro ) Inrodução Regme de Meas para Inflação no

Leia mais

AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ

AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ AVALIAÇÃO DOS EFEITOS DA LEI KANDIR SOBRE A ARRECADAÇÃO DE ICMS NO ESTADO DO CEARÁ Alejandro Magno Lma Leão Mesre em economa pelo CAEN Audor Fscal da Recea do Esado do Ceará Fabríco Carnero Lnhares Phd

Leia mais

A Concorrência entre o Brasil. uma Aplicação do Modelo Constant-Market-Share*

A Concorrência entre o Brasil. uma Aplicação do Modelo Constant-Market-Share* A Concorrênca enre o Brasl e a Chna no ercado Sul-afrcano: uma Aplcação do odelo Consan-arke-Share* Arane Danelle Baraúna da Slva Álvaro Barranes Hdalgo 2 RESUO: O fore crescmeno da economa chnesa nos

Leia mais

MARKOV SWITCHING CAPM: UMA ANÁLISE DA SENSIBILIDADE DO RETORNO DAS EMPRESAS GAÚCHAS EM RELAÇÃO AO MERCADO EM DIFERENTES AMBIENTES DE RISCO

MARKOV SWITCHING CAPM: UMA ANÁLISE DA SENSIBILIDADE DO RETORNO DAS EMPRESAS GAÚCHAS EM RELAÇÃO AO MERCADO EM DIFERENTES AMBIENTES DE RISCO MARKOV SWITCHING CAPM: UMA ANÁLISE DA SENSIBILIDADE DO RETORNO DAS EMPRESAS GAÚCHAS EM RELAÇÃO AO MERCADO EM DIFERENTES AMBIENTES DE RISCO Pedro Tonon Zuanazz 1 Marcos Vnco Wnk Junor 2 Resumo Um dos prncpas

Leia mais

ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE

ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE ANÁLISE CONDICIONADA DA DEMANDA COM CORREÇÃO DE HETEROCEDASTICIDADE Angela Crsna Morera da Slva UFRJ/COPPE - Unversdade Federal do Ro de Janero, Cenro de Tecnologa, Bloco F, sala 114, Cdade Unversára Ro

Leia mais

Gestão de uma Carteira de Activos de Produção de Energia Eléctrica

Gestão de uma Carteira de Activos de Produção de Energia Eléctrica Gesão de uma Carera de Acvos de Produção de Energa Elécrca Invesmeno na ópca da Teora da Carera Mara Margarda D Ávla Duro de Sousa e Slva Dsseração para a obenção do Grau de Mesre em Engenhara e Gesão

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

Convergência e Formação de Clubes no Brasil sob a Hipótese de Heterogeneidade no Desenvolvimento Tecnológico

Convergência e Formação de Clubes no Brasil sob a Hipótese de Heterogeneidade no Desenvolvimento Tecnológico Convergênca e Formação de Clubes no Brasl sob a Hpóese de Heerogenedade no Desenvolvmeno Tecnológco Chrsano Penna Fabríco Lnhares RESUMO: Esse argo examna a exsênca de endêncas de crescmeno comuns e formação

Leia mais

METODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL

METODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL METODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL 1. Inrodução O presene documeno visa apresenar dealhes da meodologia uilizada nos desenvolvimenos de previsão de demanda aeroporuária no Brasil

Leia mais

Inferência Bayesiana Aplicada ao Desenvolvimento de Modelos Neurais para Tratamento de Alarmes em Subestações

Inferência Bayesiana Aplicada ao Desenvolvimento de Modelos Neurais para Tratamento de Alarmes em Subestações Inferênca Bayesana Aplcada ao Desenvolvmeno de Modelos Neuras para Traameno de Alarmes em Subesações Vor Huo Ferrera, Julo esar Saccn de Souza e Mlon Brown Do ouo Flo Absrac-- Ts wor nvesaes e applcaon

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 *

ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 * TEXTO PARA DISCUSSÃO N ο 572 ISSN 1415-4765 ESTOQUE DE RIQUEZA E A POUPANÇA DO SETOR PRIVADO NO BRASIL 1970/95 * Luclene Morand ** Ro de Janero, julho de 1998 * A esmação do esoque de rqueza nerna, angível

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

BBR - Brazilian Business Review E-ISSN: 1807-734X bbronline@bbronline.com.br FUCAPE Business School Brasil

BBR - Brazilian Business Review E-ISSN: 1807-734X bbronline@bbronline.com.br FUCAPE Business School Brasil BBR - Brazlan Busness Revew E-ISSN: 1807-734X bbronlne@bbronlne.com.br FUCAPE Busness School Brasl Fausno Maos, Paulo Rogéro; Texera da Rocha, José Alan Ações e Fundos de Invesmeno em Ações: Faores de

Leia mais

Conceitos Básicos de Circuitos Elétricos

Conceitos Básicos de Circuitos Elétricos onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o

Leia mais

A economia política dos fluxos de capitais brasileiros pós-plano Real. Title: The Political Economy of Brazilian Capital Flows after the Real Plan

A economia política dos fluxos de capitais brasileiros pós-plano Real. Title: The Political Economy of Brazilian Capital Flows after the Real Plan A economa políca dos fluxos de capas brasleros pós-plano Real Dvanldo Trches * Soraa Sanos da Slva ** Tle: The Polcal Economy of Brazlan Capal Flows afer he Real Plan RESUMO O presene esudo em como objevo

Leia mais

Projeto de Inversores e Conversores CC-CC

Projeto de Inversores e Conversores CC-CC eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power

Leia mais

O MERCADO DE CÂMBIO E A TAXA DE CÂMBIO NA ECONOMIA BRASILEIRA: 1999 A 2007

O MERCADO DE CÂMBIO E A TAXA DE CÂMBIO NA ECONOMIA BRASILEIRA: 1999 A 2007 FRANCISCO CARLOS DA CUNHA CASSUCE O MERCADO DE CÂMBIO E A TAXA DE CÂMBIO NA ECONOMIA BRASILEIRA: 999 A 007 Tese apresenada à Unversdade Federal de Vçosa, como pare das exêncas do Prorama de Pós- Graduação

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

KEE WORDS: Exchange Rates, Parity, Purchasing Power, Gstav Cassel

KEE WORDS: Exchange Rates, Parity, Purchasing Power, Gstav Cassel [VIANNA, PEDRO JORGE; PARIDADE DO PODER DE COPRA: TEORIA OU ETODOLOGIA?]. Recfe. V Enconro de Economsas da Língua Poruguesa, 5-7 de novembro de 2003. TÍTULO: PARIDADE DO PODER DE COPRA: TEORIA OU ETODOLOGIA?

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação

Leia mais

Experiência IV (aulas 06 e 07) Queda livre

Experiência IV (aulas 06 e 07) Queda livre Experênca IV (aulas 06 e 07) Queda lvre 1. Obevos. Inrodução 3. Procedmeno expermenal 4. Análse de dados 5. Quesões 6. Referêncas 1. Obevos Nesa experênca esudaremos o movmeno da queda de um corpo, comparando

Leia mais

3 Análise de Demanda Condicionada

3 Análise de Demanda Condicionada 3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.

Leia mais

Análise da Confiabilidade de Componentes Não Reparáveis

Análise da Confiabilidade de Componentes Não Reparáveis Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema

Leia mais

Programação Não Linear Irrestrita

Programação Não Linear Irrestrita EA 044 Planejameno e Análse de Ssemas de Produção Programação Não Lnear Irresra DCA-FEEC-Uncamp Tópcos -Inrodução -Busca undmensonal 3-Condções de omaldade 4-Convedade e omaldade global 5-Algormos DCA-FEEC-Uncamp

Leia mais

CAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico

CAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico 146 CAPÍULO 9 Inrodução ao Conrole Discreo 9.1 Inrodução Os sisemas de conrole esudados aé ese pono envolvem conroladores analógicos, que produzem sinais de conrole conínuos no empo a parir de sinais da

Leia mais

Renda Básica da Cidadania ou Imposto de Renda Negativo: Qual o Mais Eficiente no Combate a Pobreza?

Renda Básica da Cidadania ou Imposto de Renda Negativo: Qual o Mais Eficiente no Combate a Pobreza? Renda Básca da Cdadana ou Imposo de Renda Negavo: Qual o Mas Efcene no Combae a Pobreza? Auores Nelson Leão Paes Marcelo Leer Squera Ensao Sobre Pobreza Nº 12 Feverero de 2008 CAEN - UFC 1 Renda Básca

Leia mais

CIBRIUS INSTITUTO CONAB DE SEGURIDADE SOCIAL

CIBRIUS INSTITUTO CONAB DE SEGURIDADE SOCIAL CIBRIUS INSTITUTO CONAB SEGURIDA SOCIAL Plano ConabPrev (COM BASE NA PROPOSTA REGULAMENTO A SER SUBMETIDA A PREVIC Noa Técnca Auaral 060/13 (Refcada) Agoso/2015 1 ÍNDICE 1 OBJETIVO... 5 2 GLOSSÁRIO...

Leia mais

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido

FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA. Héctor Arango José Policarpo G. Abreu Adalberto Candido FILTROS ATIVOS: UMA ABORDAGEM COMPARATIVA Hécor Arango José Polcaro G. Abreu Adalbero Canddo Insuo de Engenhara Elérca - EFEI Av. BPS, 1303-37500-000 - Iajubá (MG) e-mal: arango@ee.efe.rmg.br Resumo -

Leia mais

Crescimento econômico e restrição externa: Um modelo de simulação pós-keynesiano

Crescimento econômico e restrição externa: Um modelo de simulação pós-keynesiano Crescmeno econômco e resrção exerna: Um modelo de smulação pós-keynesano Mara Isabel Busao 1 Maro Luz Possas 2 Resumo O argo busca dscur a dnâmca do crescmeno econômco das economas em desenvolvmeno a parr

Leia mais

EFEITOS DA MIGRAÇÃO PARA OS NÍVEIS DE GOVERNANÇA DA BOVESPA

EFEITOS DA MIGRAÇÃO PARA OS NÍVEIS DE GOVERNANÇA DA BOVESPA EFEITOS DA MIGRAÇÃO PARA OS NÍVEIS DE GOVERNANÇA DA BOVESPA TRABALHO PREPARADO PARA A BOVESPA Anono Gledson de Carvalho (esa versão: Janero/23) RESUMO Muo em-se ressalado sobre a mporânca de uma boa governança

Leia mais

Análise Discriminante: classificação com 2 populações

Análise Discriminante: classificação com 2 populações Análse Dscrmnane: classcação com oulações Eemlo : Proreáros de coradores de rama oram avalados seundo duas varáves: Renda U$ ; Tamanho da roredade m. Eemlo : unção dscrmnane unvarada ~ ama4 4 3 e ~ ama8.5

Leia mais

Estudo comparativo de processo produtivo com esteira alimentadora em uma indústria de embalagens

Estudo comparativo de processo produtivo com esteira alimentadora em uma indústria de embalagens Esudo comparaivo de processo produivo com eseira alimenadora em uma indúsria de embalagens Ana Paula Aparecida Barboza (IMIH) anapbarboza@yahoo.com.br Leicia Neves de Almeida Gomes (IMIH) leyneves@homail.com

Leia mais

CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS*

CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS* CRESCIMENTO E DESIGUALDADE: PROSPERIDADE VERSUS ARMADILHAS DA POBREZA NO DESENVOLVIMENTO ECONÔMICO DOS ESTADOS BRASILEIROS* Renaa Couo Morera 1, Marcelo José Braga 2 e Slva Harum Toyoshma 3 Resumo: O problema

Leia mais

Valor do Trabalho Realizado 16.

Valor do Trabalho Realizado 16. Anonio Vicorino Avila Anonio Edésio Jungles Planejameno e Conrole de Obras 16.2 Definições. 16.1 Objeivo. Valor do Trabalho Realizado 16. Parindo do conceio de Curva S, foi desenvolvida pelo Deparameno

Leia mais

Ana Cristina Guimarães Carneiro

Ana Cristina Guimarães Carneiro UNIVERSIDADE FEDERAL DA PARAÍBA UFPB CENTRO DE CIÊNCIAS SOCIAIS APLICADAS CCSA CURSO DE MESTRADO EM ECONOMIA CME NÍVEL MESTRADO Ana Crsna Gumarães Carnero Avalação das Mudanças Recenes na Marz Energéca

Leia mais

CRESCIMENTO ECONÔMICO E MEIO AMBIENTE: O QUE ESTÁ FALTANDO PARA ENTENDER O ELO ENTRE ELES?

CRESCIMENTO ECONÔMICO E MEIO AMBIENTE: O QUE ESTÁ FALTANDO PARA ENTENDER O ELO ENTRE ELES? RESUMO CRESCIMENTO ECONÔMICO E MEIO AMBIENTE: O QUE ESTÁ FALTANDO PARA ENTENDER O ELO ENTRE ELES? Fábo Henrque Granja e Barros 1 Bernardo Mueller 2 Jorge Madera Noguera 3 Exse vasa leraura empírca ressalando

Leia mais

Avaliação de Métodos de Interpolação do Sinal de Variabilidade da Freqüência Cardíaca

Avaliação de Métodos de Interpolação do Sinal de Variabilidade da Freqüência Cardíaca Avalação de Méodos de Inerolação do Snal de Varabldade da Freqüênca Cardíaca João Luz Azevedo de Carvalho, Oávo Sérgo de Araúo e Noguera, Adson Ferrera da Rocha, Francsco Asss de Olvera Nascmeno, João

Leia mais

(19) 3251-1012 O ELITE RESOLVE IME 2013 DISCURSIVAS FÍSICA FÍSICA. , devido à equação (1). Voltando à equação (2) obtemos:

(19) 3251-1012 O ELITE RESOLVE IME 2013 DISCURSIVAS FÍSICA FÍSICA. , devido à equação (1). Voltando à equação (2) obtemos: (9) - O LIT SOLV IM DISCUSIVS ÍSIC USTÃO ÍSIC sendo nula a velocdade vercal ncal v, devdo à equação (). Volando à equação () obemos:,8 ˆj ˆj b) Dado o momeno lnear da equação () obemos a velocdade na dreção

Leia mais

ANÁLISE DE UMA EQUAÇÃO DIFERENCIAL LINEAR QUE CARACTERIZA A QUANTIDADE DE SAL EM UM RESERVATÓRIO USANDO DILUIÇÃO DE SOLUÇÃO

ANÁLISE DE UMA EQUAÇÃO DIFERENCIAL LINEAR QUE CARACTERIZA A QUANTIDADE DE SAL EM UM RESERVATÓRIO USANDO DILUIÇÃO DE SOLUÇÃO ANÁLSE DE UMA EQUAÇÃO DFERENCAL LNEAR QUE CARACTERZA A QUANTDADE DE SAL EM UM RESERATÓRO USANDO DLUÇÃO DE SOLUÇÃO Alessandro de Melo Omena Ricardo Ferreira Carlos de Amorim 2 RESUMO O presene arigo em

Leia mais

VALOR DA PRODUÇÃO DE CACAU E ANÁLISE DOS FATORES RESPONSÁVEIS PELA SUA VARIAÇÃO NO ESTADO DA BAHIA. Antônio Carlos de Araújo

VALOR DA PRODUÇÃO DE CACAU E ANÁLISE DOS FATORES RESPONSÁVEIS PELA SUA VARIAÇÃO NO ESTADO DA BAHIA. Antônio Carlos de Araújo 1 VALOR DA PRODUÇÃO DE CACAU E ANÁLISE DOS FATORES RESPONSÁVEIS PELA SUA VARIAÇÃO NO ESTADO DA BAHIA Anônio Carlos de Araújo CPF: 003.261.865-49 Cenro de Pesquisas do Cacau CEPLAC/CEPEC Faculdade de Tecnologia

Leia mais

O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios

O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios! Principais diferenças! Como uilizar! Vanagens e desvanagens Francisco Cavalcane (francisco@fcavalcane.com.br) Sócio-Direor

Leia mais