PROGRAMAÇÃO DE ORDENS
|
|
- Kléber Weber Azambuja
- 7 Há anos
- Visualizações:
Transcrição
1 PROGRAMAÇÃO DE ORDENS DE PRODUÇÃO COM DIFERENTES INSTANTES DE LIBERAÇÃO PARA UMA DATA ÚNICA DE ENTREGA Claudo Fernando Furlan (USP) Débora P. Roncon (USP) Resumo Este trabalho apresenta uma heurístca construtva para o problema de programação de ordens de produção com data de entrega comum para todas as ordens que serão processadas em uma únca máquna. Para evtar estoques antecpados e mesmo atrasos na entrega, são aplcadas penaldades tanto para adantamento como para o atraso. O objetvo é mnmzar a somatóra das penaldades aplcadas as entregas adantadas e as atrasadas. Para sto este trabalho vem propor uma heurístca adaptada do algortmo de Srdharan e Zhou (1996). O desempenho da heurístca proposta é avalado através de um estudo comparatvo com resultados ótmos obtdos em problemas de pequena dmensão. Palavras-Chave: Programação de produção; Heurístca e Adantamentos e Atrasos Penalzados.
2 1. INTRODUÇÃO Na década de 70, os japoneses craram uma flosofa de trabalho chamada Just n tme (JIT), que sgnfca que todas as atvdades tnham que começar e termnar no tempo correto, nem antes e nem depos, sendo a fabrcante de veículos automotores Toyota sua precursora, conforme escreve Womack e Jones (1992). No ambente de produção o JIT tem sdo amplamente utlzado, conforme descreve Arnold (1999), JIT é a elmnação de todo desperdíco e a melhora contínua da produtvdade... que um dos objetvos da programação é fazer a melhor utlzação dos recursos da produção e assm nfluencar a produtvdade. Portanto, a programação de atvdades tem um papel mportante na melhora dos resultados quando utlzada segundo a premssa do JIT. Assm utlzando esta premssa de executar tarefas no tempo correto, a programação deve balancear a execução das atvdades de forma que elas não termnem antes da necessdade, assm como não sejam fnalzadas depos do nstante requerdo. Ilustrando os problemas de se adantar alguma atvdade, Bagch, Chang e Sullvan (1987) comentam que no caso de produtos fnalzados antes do tempo ncorre uma ocupação cada vez maor do espaço destnado ao estoque e conseqüente escassez de espaço, aperto no fluxo de caxa devdo ao captal parado aguardando sua data de entrega, e que geralmente ndca que a alocação e utlzação dos recursos não estão balanceadas, sto é, ndca nefcênca da cadea. Em relação a atrasar uma atvdade, e neste caso mas precsamente a entrega de um produto, Davs e Kanet (1993), salentam as conseqüêncas que este cenáro pode apresentar, como a perda da reputação em relação ao clente, custos de oportundade de perda de vendas e até penaldade fnancera por contrato de venda. Em resumo os custos envolvdos em ambas stuações demonstram a nefcênca do sstema em relação à capacdade envolvda e a programação das atvdades. Este trabalho tem como característca prncpal apresentar uma heurístca para a programação de ordens que estarão dsponíves em dferentes datas para serem processadas. Consderamos o ambente de máquna únca e penaldades guas para todas as ordens aplcadas ao adantamento e atraso em relação a data de entrega estabelecda, sendo as penaldades de atraso e adantamento dferentes entre s. Jeffrey Sdney (1977), nos dz o segunte em seu trabalho: A produção de produtos perecíves é um outro exemplo no qual estas penaldades aparecem. Suponha, por exemplo, um produtor químco combna um tem químco A, que deterora rapdamente com um segundo tem químco B para produzr o tem C. Se A é produzdo antes que B esteja pronto, ele se deterora. Se A é produzdo mas tarde, o atraso de C pode ser dspendoso. Em seu artgo Sdney exemplfca a partculardade de ter uma únca data de entrega que neste exemplo sera a da produção do tem C e fca nas entrelnhas a mportânca das penaldades para poder ajustar o processo das ordens o mas próxmo possível da data de entrega. Outro exemplo prátco é ctado por Kanet (1981), para o caso de produção de componentes para a montagem fnal de um produto, onde a data de entrega comum se refere ao níco da montagem do tem fnal. A fgura 1 a segur mostra uma stuação onde um clente faz um peddo de alguns tens, mas com a condção de que a entrega não pode ser parcal. Então a entrega terá data únca e assm os tens deverão estar todos prontos até aquela referda data. As ordens de produção (OP) são lberadas conforme a dsponbldade de matéra prma e programadas para serem processadas em uma únca máquna. Não é nteressante que os tens deste peddo termnem nem muto tempo antes assm como não devem atrasar. Portanto, tudo dependerá de uma boa programação. XI Smpep - Smpóso de Engenhara Produção OP tem 1 Ordem de Venda para o clente OP tem 2 OP tem 3 Máquna únca de processamento FIGURA 1 Stuação prátca de entrega de város tens para uma mesma data de entrega. Data únca de entrega 17
3 XI Smpep - Smpóso de Engenhara Produção Estes exemplos refletem a mportânca deste trabalho, assm como as dferentes datas de lberação das ordens, pos no ambente JIT matéras prmas também devem chegar no seu tempo certo. Com sso cada ordem poderá ter uma dferente data de lberação para o processo. Neste trabalho defnremos o problema em estudo assm como apresentando a heurístca de Srdharan e Zhou (1996) modfcada para atender as premssas defndas. O método de resolução é heurístco, pos de acordo com Valente e Alves (2003), este tpo de problema tem complexdade NP- Hard. Testes computaconas com problemas da lteratura e seus resultados serão apresentados. Resultados de problemas de pequena dmensão foram comparados com uma programação ótma para mostrar a efetvdade da mplementação desta heurístca. A motvação para a realzação deste trabalho é a ausênca de artgos que abordem este problema coma as mesmas característcas anterormente ctadas. Prncpalmente quando tratamos a data de entrega d como restrtva, sto é, seu valor é menor que a soma dos tempos de processamento de todas as ordens. 2. DESCRIÇÃO DO PROBLEMA O problema consste de n ordens de produção com dferentes tempos de processamento p, sendo = 1...n, que devem ser processadas por uma únca máquna. Aqu podemos ressaltar que máquna únca pode ser nterpretada como uma célula de produção ou um centro de trabalho ou mesmo uma máquna gargalo da produção. As datas de chegada ou de lberação (r ) das ordens para entrar na máquna são dferentes, ou seja, as ordens não estarão todas dsponíves no mesmo nstante, portanto sua lberação será dnâmca ao longo do tempo. Consderaremos que os dados das ordens, tempo de processamento e data de lberação são determnístcos. Não será permtda nterrupção (preempton) do processamento da ordem antes da sua conclusão. A programação será defnda em função de mnmzar os atrasos e os adantamentos ponderados, sto é, tanto o adantamento como o atraso terão penaldades. O nstante de térmno de cada ordem será defndo como C e o níco denomnado s, logo, C = s + p. As penaldades serão defndas como a para o adantamento das ordens e b para o atraso e serão aplcadas sobre o tempo de adantamento E e atraso T respectvamente. Sendo E =max { d-c, 0 } e T = max {C -d, 0}. Este problema tem como partculardade data de entrega únca. Neste caso podemos ter dos tpos de entrega únca. O prmero chamado de data não restrtva que sgnfca que uma seqüênca ótma pode ser construída sem que o valor da data de entrega seja consderado. O segundo caso chamado de data restrta onde a data de entrega se encontra na segunte stuação: d < Σ p. E este segundo será o caso do estudo deste trabalho. O problema em estudo pode então ser lustrado conforme a fgura 2: As ordens O são defndas pelo par r e p, onde = 1 a n O 1 (r 1, p 1 ) Os tempos de térmno Cj são função da seqüênca, s e p C 1 O 2 (r 2, p 2 ). O n (r n, p n ). C n C2 d 18 FIGURA 2 Representação gráfca do problema.
4 Segue abaxo a formulação matemátca do problema adaptada do trabalho de Bskup e Feldman (2001): Função Objetvo: n Mn α E + βt =1 T s + p d = 1,..., n; E d s p k ( x ) s + p s + R 1 = 1,..., n 1; k = + 1,..., n; k k k k = 1,..., n; s + p s + Rx = 1,..., n 1; k = + 1,..., n; T, E, s, r 0 { 0,1} x = 1,..., n 1; k = + 1,..., n; k s r = 1,..., n; = 1,..., n; (1) (2) (3) (4) (5) (6) (7) Os tempos de adantamento e atraso são calculados pelas restrções (1) e (2). As restrções (3) e (4) determnam os tempos de níco das ordens. R é um valor grande o sufcente, defndo prevamente para não nterferr no resultado das restrções. Se a ordem precede a ordem k a restrção s + p < s k será verdadera se x k = 1. Por causa da adção de R (4) não é restrtva com xk = 1. Por outro lado, para x k = 0 a restrção(4) será defndo por s k + p k < s e (3) não é restrtva. Importante notar que a varável bnára é defnda em (6). A restrção (5) garante a não negatvdade das varáves e a restrção (7) defne que uma ordem só pode ser ncada se ela estver dsponível naquele nstante. Na lteratura encontramos alguns artgos que levam em consderação a data comum e as penaldades por atraso e adantamentos úncos a e b para todas as ordens, dos quas ctamos alguns: Panwalkar, Smth and Sedmann (1982), Emmons (1987), Bagch, Chang e Sullvan (1987) e Mondal e Sen (2001); mas em todos eles a data de lberação da ordem r é comum a todas as ordens, sto é, todas estão dsponíves para processamento no níco da programação. Artgos que levam em consderação dferentes datas de lberação podemos ctar Srdharan e Zhou (1996), Bank e Werner (2001), mas que utlzam como penaldade a e b para as ordens e Nandkeolyar, Ahmed e Sundararaghavan (1993) que penalzam o atraso e o adantamento gualmente com a =b, apenas o trabalho de Cheng, Chen, Shakhlevch (2002) penalza as ordens conforme o problema proposto acma, mas a data de entrega não é dada, é uma das varáves do problema. Um trabalho recentemente publcado é o de Valente e Alves (2003) que trabalha com as mesmas premssas do problema em estudo, mas com uma varante que é a data de entrega não restrta. Portanto, até o momento não conhecemos na lteratura dsponível artgos com as mesmas premssas do problema tratado neste artgo. 3. HEURÍSTICA PROPOSTA Devdo à complexdade do problema é proposta uma heurístca construtva por ela ser de rápda solução. Esta metodologa em geral apresenta menor complexdade de mplementação e obtêm-se respostas com grande rapdez o que é mportante em aplcações prátcas. A heurístca construtva a ser aplcada é uma adaptação da heurístca apresentada no artgo de Srdharan e Zhou (1996) denomnada de DT-ET, que são as ncas de Decson Theory for Earlness and Tardness problem. Esta heurístca leva em consderação uma teora de decsão na seleção da próxma ordem a ser processada avalando as conseqüêncas de cada alternatva de acordo com um crtéro dado e escolhe XI Smpep - Smpóso de Engenhara Produção 19
5 XI Smpep - Smpóso de Engenhara Produção a melhor alternatva, conforme descrto no artgo de Kanet e Zhou (1993), assm como uma vsão futura das ordens que estão para chegar. A motvação para a escolha desta heurístca fo baseada na estrutura proposta por Nandkeolyar, Ahmed e Sundararaghavan (1993) que realzaram um estudo sobre o problema E/T (Earlness and Tardness) para máquna únca com ordens chegando dnamcamente, ou seja, ordens com dferentes datas de lberação e consderando todas as penaldades guas. Este artgo avala dferentes heurístcas desenvolvdas de forma modular. Um dagrama em forma de fluxo de decsão é defndo utlzando os módulos. Estes módulos são dvddos em: Vsão Futura (FE, ncas de front end), Tema Prncpal (MT, ncas de man theme) e Inclusão de Tempo Ocoso na programação (BR, ncas de balancng routne). Estes módulos se referem a: (FE) geração de um cenáro futuro consderando ordens que estão para chegar após o nstante de tomada de decsão de qual ordem será processada em seguda; (MT) defndo por uma regra de despacho para gerar uma seqüênca de ordens lberadas que será convertda em uma programação (regras como: EDD, SPT, FCFS, etc) e (BR) acetação de nserção ou não de tempo ocoso ou parada de máquna na programação das ordens. Após város testes comparatvos entre 12 heurístcas cradas através da combnação dos módulos Nandkeolyar, Ahmed e Sundararaghavan (1993) chegaram a conclusão de que a heurístca utlzando a conjunção FE+BR tem a melhor performance quando a máquna está congestonada. A heurístca construtva desenvolvda por Srdharan e Zhou (1996) tem em sua estrutura os dos módulos FE e BR. A déa básca da heurístca está resumda nestas duas perguntas: qual a próxma ordem a ser processada e quando começar seu processamento. Para responder a prmera questão ela consdera ordens a serem lberadas e as atuas na fla, e para responder a segunda ela avala a escolha de uma ordem em termos do mpacto sobre todas as outras não escolhdas. Para sto a heurístca consste de três procedmentos báscos: A Defnr quas ordens serão analsadas. B Programar uma ordem como próxma a ser processada e estmar o nstante de térmno das restantes. Refazer este cálculo para todas as ordens defndas em A. Calcular o custo total de cada programa. Escolher a ordem de menor custo. C Refazer os procedmentos A e B até que todas as ordens estejam programadas. A segur segue o algortmo da heurístca com as defnções dos parâmetros e varáves envolvdas. Parâmetros p j tempo de processamento da ordem j; r j data de chegada da ordem j; b - penaldade únca por atraso; a - penaldade únca por adantamento; d data de entrega comum; 20 Varáves C j nstante de térmno da ordem j em estudo; s j nstante de níco da ordem j em estudo; t 0 nstante de decsão; J conjunto das ordens que estão na fla; K conjunto das ordens que rão chegar dentro do período: [ t 0, max (t 0 +p j, d j )]; S(t 0 ) conjunto das ordens canddatas no nstante to, defndo pela unão dos conjuntos J e K (J U K) ; N número de ordens em S(t 0 ).
6 Antes de ncar o passo 1, é necessáro defnr o conjunto S(t 0 ), assm, somente as ordens contdas neste conjunto é que serão submetdas ncalmente a avalação da heurístca. Este conjunto será alterado a cada novo nstante t 0. O nstante t 0 será o nstante de térmno C j da ordem escolhda como próxma a ser processada. Para o nco da programação será consderado como zero ou o menor r j dsponível caso nenhuma ordem esteja dsponível no nstante zero. Para o passo a segur uma ordem j qualquer será escolhda do conjunto S(t 0 ) como a próxma a ser processada. Passo 1: Esta etapa defne qual o melhor valor que pode assumr para a ordem j em estudo. C { t + p, r + p d} * j max 0 j j j, = (8) Passo 2: Determne o nstante médo de conclusão, das ordens remanescentes no conjunto S(t 0 ): (9) (11) (10) (12) Passo 3: Determne o valor a ser assumdo por C j e, por consegunte, o melhor nstante de níco, s j, para a ordem em estudo: Se, α < β então, (13) Caso a condção não seja atendda consderamos então: C j = C j *, E a melhor data de níco será: (14) s j = C j p j Passo 4: Estme, agora, os nstantes de níco s e térmno C das ordens remanescente de S(t 0 ): Passo 5: Calcule para a ordem j em estudo qual sera seu custo total TC(j), como se ela fosse a próxma a ser processada. (15) (16) XI Smpep - Smpóso de Engenhara Produção (17) Passo 6: Retorne ao passo 1 utlzando agora uma nova ordem j contda em S(t 0 ) e refaça todos os passos até o passo 5. Quando todas as ordens tverem sdo nvestgadas pule para o próxmo passo. 21
7 Passo 7: Seleconar a ordem j com o menor TC calculado. Utlzar s j e C j calculados no passo 3. Programe esta ordem como a próxma da seqüênca. XI Smpep - Smpóso de Engenhara Produção Atualze t 0, volte a defnr o conjunto S(t 0 ) e nce no passo 1 novamente. Após a seqüênca montada, a mesma é analsada para checar se há algum tempo ocoso entre ordens que se ncam antes da data de entrega e que podera ser removdo adantando a ordem ou as ordens anterores. Como por exemplo, supondo que a prmera ordem da programação começa no nstante zero e fnalza no nstante 3. A segunda ordem só pode ncar no nstante 5 porque sua data de lberação mpede que comece no nstante anteror. Então a prmera ordem deverá ser adantada a começar no nstante 2 para que termne no nstante 5, removendo o tempo ocoso que tnha entre as ordens e assm por dante. 4. RESULTADOS COMPUTACIONAIS Os dados para a realzação dos testes foram gerados utlzando o programa em Pascal desenvolvdo por Bskup e Feldmann (2001). Neste programa os dados são gerados aleatoramente dentro de uma faxa defnda para cada parâmetro. Para manter a mesma déa dos autores, foram mantdas a semente e a dstrbução unforme de valores de geração, logo os tempos de processamento, são os mesmos gerados por Bskup e Feldmann. São gerados 70 problemas dferentes dvddos em 7 dferentes tamanhos (10, 20, 50, 100, 200, 500 e 1000 ordens) e cada um com 10 dferentes replcações. Para o tempo de processamento a faxa da dstrbução unforme adotada fo [1-20], para penaldade por adantamento [1-10] e para penaldade por atraso [1-15]. Para datas de lberação da ordem uma adaptação do programa orgnal de Bskup e Feldmann (2001) fo realzada. A faxa de valores defnda para a geração das datas de lberação fo baseada nos trabalhos de Akturk e Ozdemr (2001) e Chu (1992), que vara conforme a faxa de dstrbução [0-k], e cujo lmte superor k é defndo por um fator multplcador α sobre a somatóra dos tempos de processamento., onde a = 0,5 (18) 22 Conforme a equação (18), a dstrbução unforme de valores para gerar as datas de lberação é função da somatóra dos tempos de processamento de cada replcação do problema. Logo, a faxa de geração da data de lberação será [0, k] para cada um dos problemas como mostra a tabela 1. Número de Ordens por Problema Réplca TABELA 1 Lmte Superor (k) para a geração das datas de lberação
8 A data de entrega d é gerada pela somatóra dos tempos de processamento do problema e multplcado pelo fator h., sendo o fator h = 0,2; 0,4; 0,6 e 0,8 (19) Os testes levaram em consderação 4 dferentes datas de entrega defndas pelo fator h, sendo portanto gerados 280 problemas. A heurístca proposta fo mplementada na lnguagem Pascal e os testes realzados em um computador com processador de AMD K6-II de 500 MHz e 64 Mb de memóra RAM. Os problemas com 10 ordens foram também resolvdos de forma exata através do software LINDO (Lnear, Interactve and Dscrete Optmzer), com o ntuto de avalar a performance da heurístca proposta. A tabela 2 fornece uma comparação entre os resultados obtdos para os 40 casos testados. Os valores gerados pelo LINDO estão defndos na tabela como FO*. Problemas h Méda 0,2 FO FO* FO/FO* (%) 0,0% 3,2% 0,0% 0,0% 7,8% 0,0% 0,0% 0,0% 1,9% 7,5% 2,0% 0,4 FO FO* FO/FO* (%) 4,1% 0,0% 0,0% 4,0% 13,2%23,6% 0,0% 0,42%21,6%14,7% 8,2% 0,6 FO FO* FO/FO* (%) 17,7% 2,8% 1,6% 13,5%29,8%31,4%10,4%18,3%10,0%31,8%16,7% 0,8 FO FO* FO/FO* (%) 29,6%33,7%11,5%30,4%29,8%58,6%40,0%78,4%51,3%29,7%39,3% TABELA 2 Comparação da Heurístca proposta com o software LINDO A tabela 2 mostra que a heurístca proposta tem uma perda de aderênca cada vez maor em relação ao valor ótmo conforme o fator h é ncrementado, sto é, para os problemas com valor de h=0,8 a méda das dferenças entre o encontrado pela heurístca e o valor ótmo fo de 39,3%, já com h=0,6 esta dferença méda ca para 16,7%, para h=0,4 a méda é 8,2% e por últmo h=0,2 a dferença méda ca para 2,0%. Em resumo esta heurístca conseguu ter sua melhor performance e até atngr o ótmo (em 9 problemas, ou melhor, 22,5 % dos problemas) quando a data de entrega comum é altamente restrtva, sto é h=0,2. Isto ndca que a heurístca possu uma boa performance quando a maora das ordens está em atraso e se quer mnmzar este atraso. Para os outros casos apesar da méda ser maor há algumas exceções que produzem bons resultados, como nos problemas 2, 3 e 7 com h=0,4 que atngram o ótmo, os problemas 2 e 3 com h=0,6 e o problema 3 com h=0,8 cuja varação são respectvamente 2,8%; 1,6% e 11,6%; e que poderam ser utlzados em um estudo futuro para melhora da heurístca. XI Smpep - Smpóso de Engenhara Produção 23
9 5. CONCLUSÃO XI Smpep - Smpóso de Engenhara Produção Neste artgo fo apresentada uma heurístca construtva para mnmzar a soma das penaldades de atraso e adantamento das ordens de produção em relação à data de entrega comum e restrta. O método proposto fo submetdo a testes computaconas para mostrar sua efcênca em comparação aos resultados ótmos obtdos para pequenos problemas. Esta heurístca, ncalmente concebda para resolver problemas com penaldades e data de entrega dferentes para cada ordem, ou seja, α, β e d e agora adaptada para resolver problemas de data únca e penaldades do tpo α e β, tem potencal de solução já que a mesma ncorpora uma vsão futura das ordens que estão para chegar e analsa se não exste ordem em potencal para ser programada antes das que já estão na fla. Portanto, cabe ressaltar que esta heurístca tem espaço para sofrer melhoras a ponto de reduzr, prncpalmente, a varação que exste nos resultados para datas de entrega cujo fator h está entre 0,6 e 0,8. Novos testes estão em fase de desenvolvmento a fm de consegurmos uma melhor performance da heurístca proposta. 6. REFERÊNCIAS ARNOLD, J. R. T. Admnstração de Materas. São Paulo: Atlas, Cap. 15, AKTURK, M. S.; OZDEMIR, D. A New Domnance Rule to Mnmze Total Weghted Tardness wth Unequal Release Dates. European Journal of Operatonal Research, Vol 135, p , BAGCHI, U.; SULLIVAN, R.; CHANG Y. (1987), Mnmzng Mean Square Devaton of Completon Tmes About a Common Due Date. Management. Scence, Vol. 33, p , BANK, J.; WERNER, F. Heurstc Algorthms for Unrelated Parallel Machne Schedulng wth a Common Due Date, Release Dates, and Lnear Earlness and Tardness Penaltes. Mathematcal and Computer Modellng, Vol. 33, p , BISKUP, D.; FELDMANN, M. Benchmarks for Schedulng on a Sngle Machne Aganst Restrctve and Unrestrctve Common Due Date. Computers & Operatons Research, Vol. 28, p , CHENG, T. C. E.; CHEN, Z. L.; SHAKHLEVICH N. V. Common Due Date Assgnment and Schedulng wth Ready Tmes. Computers and Operatons Research, Vol. 29, p , CHU, C. A Branch-and-Bound Algorthm to Mnmze Total Tardness wth Dfferent Release Dates. Naval Research Logstcs, Vol. 39, p , DAVIS, J. S.; KANET, J. J. Sngle-Machne Schedulng wth Early and Tardy Completon Costs. Naval Research Logstcs, Vol. 40, p , EMMONS, H. Schedulng to a Common Due Date on Parallel Common Processors. Naval Research Logstcs Quartely, Vol. 34, p , KANET, J. J. Mnmzng the Average Devaton of Job Completon Tme About a Common Due Date. Naval Research Logstcs Quartely, Vol. 28, p ,
10 KANET, J. J.; ZHOU, Z. A Decson Theory Approach to Prorty Dspatchng for Job Shop Schedulng. Producton and Operatons Management, Vol. 2, p.2-14, MONDAL, S.; SEN, A. Sngle Machne Weghted Earlness-Tardness Penalty Problem wth a Common Due Date. Computers & Operatons Research, Vol. 28, p , NANDKEOLYAR, U.; AHMED, M. U.; SUNDARARAGHAVAN, P. S. Dynamc Sngle- Machne-Weghted Absolute Devaton Problem: Predctve Heurstcs and Evaluaton. Internatonal Journal of Producton Research, Vol. 6, p , PANWALKAR, S.; SMITH, M.; SEIDMANN, A. Common Due Date Assgment to Mnmze Total Penalty for the One Machne Schedulng Problem. Operatons Research, Vol. 30, p , SIDNEY, J. B. Sngle-Machne Schedulng wth Earlness and Tardness Penaltes. Operatons Research, Vol.25, p.62-69, SRIDHARAN, V.; ZHOU, Z. A Decson Theory Based Schedulng Procedure for Sngle- Machne Weghted Earlness and Tardness Problems. European Journal of Operatonal Research, Vol.94. p , VALENTE, J. M. S.; ALVES, R. A. F. S. Effcent Polynomal Algorthms for Specal Cases of Weghted Early/Tardy Schedulng wth Release Dates and a Common Due Date. Pesqusa Operaconal, Vol.23, p , WOMACK, J.; JONES, D. A Máquna que Mudou o Mundo. São Paulo: Edtora Campus-São Paulo, 2 ed. XI Smpep - Smpóso de Engenhara Produção 25
Programação de ordens de produção com diferentes instantes de liberação para uma data única de entrega.
XI SIMPEP Bauru, SP, Brasl, 08 a 10 de novembro de 2004 Programação de ordens de produção com dferentes nstantes de lberação para uma data únca de entrega. Claudo Fernando Furlan (USP) claudo.furlan@pol.usp.br
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...
Leia maisA esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.
Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela
Leia maisESTATÍSTICA. na Contabilidade Revisão - Parte 2. Medidas Estatísticas
01/09/01 ESTATÍSTICA na Contabldade Revsão - Parte Luz A. Bertolo Meddas Estatístcas A dstrbução de frequêncas permte-nos descrever, de modo geral, os grupos de valores (classes) assumdos por uma varável.
Leia maisCoordenação de Semáforos
Paragem dos Veículos Veículos "Lbertados" Paragem dos Veículos Veículos "Lbertados" "Agrupamento " Pelotões "Agrupamento " Pelotões C O O R D E N A Ç Ã O Onda Verde... IST/ Lcencaturas em Engª Cvl & Terrtóro
Leia maisDeterminantes. De nição de determinante de uma matriz quadrada. Determinantes - ALGA - 2004/05 15
Determnantes - ALGA - 004/05 15 Permutações Determnantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetções ou omssões
Leia maisQUESTÕES DISCURSIVAS Módulo 01 (com resoluções)
QUESTÕES DISCURSIVAS Módulo 0 (com resoluções D (Fuvest-SP/00 Nos tens abaxo, denota um número complexo e a undade magnára ( Suponha a Para que valores de tem-se? b Determne o conjunto de todos os valores
Leia maisProbabilidade: Diagramas de Árvore
Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisMÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
Leia maisLEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNUA
EXPERIÊNCI 04 LEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNU 1. OBJETIVOS a) Determnar a força eletromotrz e a resstênca nterna de uma batera em um crcuto de malha únca. b) Calcular a resstênca nterna
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisComprimento de Arco. Comprimento de Arco
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprmento de Arco
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisb. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.
Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo
Leia maisEm muitas aplicações, estamos interessados em subgrafos especiais de um determinado grafo.
.4 Árvores Geradoras Em mutas aplcações estamos nteressados em subgrafos especas de um determnado grafo. Defnção Árvore Geradora - uma árvore T é chamada de árvore geradora de um grafo G se T é um subgrafo
Leia maisAnálise dos resíduos e Outlier, Alavancagem e Influência
Análse dos resíduos e Outler, Alavancagem e Influênca Dagnóstco na análse de regressão Usadas para detectar problemas com o ajuste do modelo de regressão. Presença de observações mal ajustadas (pontos
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia mais2 PROPRIEDADES ÓPTICAS
23 2 PROPRIEDADES ÓPTICAS A segur será feta uma revsão sobre as prncpas propredades óptcas de nteresse para o nosso estudo. 2.1. Luz Segundo Maxwell, a luz é uma modaldade de energa radante que se propaga
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisDISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL
DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisMetodologia IHFA - Índice de Hedge Funds ANBIMA
Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisY = AN α, 0 < α < 1 (1) Π = RT CT = P Y W N (2) Π/ N = α N α -1 AP W = 0. W = α P AN α -1. P = W/α AN α -1
Gabarto da Lsta 1 de Macro II 2008.01 1 a Questão a)falso, pode ocorrer que a força de trabalho cresça juntamente com o número de empregados. Se a Força de trabalho crescer mas que o número de empregados
Leia maisUMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA
ISSN 2175-6295 Ro de Janero- Brasl, 12 e 13 de agosto de 2010 UMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA Frederco Augusto de
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisGuia 11 Escalonamento de Mensagens
Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,
Leia maisCÁLCULO DA DIRECTRIZ
CÁCUO DA DIRECTRIZ I - Elementos de defnção da polgonal de apoo: - Coordenadas dos vértces da polgonal (M, P ); - Dstânca entre vértces da polgonal ( d); - Rumos dos alnhamentos (ângulo que fazem com a
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ
ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco
Leia maisGABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.
GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem
Leia maisAlocação sequencial - filas
Alocação sequencal - las Flas A estrutura de dados Fla também é bastante ntutva. A analoga é com uma la de pessoas aguardando para serem atenddas no guchê de um banco, ou aguardando o ônbus. Se houver
Leia maisSCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO
Leia maisEscalonamento Baseado em Prioridades Fixas
Sstemas de Tempo Real: Escalonamento Baseado em Prordades Fxas Rômulo Slva de Olvera Departamento de Automação e Sstemas - DAS UFSC romulo@das.ufsc.br http://.das.ufsc.br/~romulo 1 Escalonamento Baseado
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisINFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ETANOL DE VINHO DELEVEDURADO POR CO 2
INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ANOL DE VINHO DELEVEDURADO POR CO 2 C. R. SILVA 1, M. N. ESPERANÇA 1, A. J. G. CRUZ 1 e A. C. BADINO 1 1 Unversdade Federal de São Carlos, Departamento
Leia maisUTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:
UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisProgramação de Computadores II TCC 00.174/Turma A 1
Programação de Computadores II TCC 00.174/Turma A 1 Professor Leandro A. F. Fernandes http://www.c.uff.br/~laffernandes Conteúdo: Introdução ao Java (exercícos) Materal elaborado pelos profs. Anselmo Montenegro
Leia maisMÉTODOS DO TIPO DUAL SIMPLEX PARA PROBLEMAS DE OTIMIZAÇÃO LINEAR CANALIZADOS
versão mpressa ISSN -7438 / versão onlne ISSN 678-542 MÉODOS DO IPO DUAL SIMPLEX PARA PROBLEMAS DE OIMIZAÇÃO LINEAR CANALIZADOS Rcardo Slvera Sousa Carla avane Lucke da Slva Marcos Nereu Arenales * Departamento
Leia maisQuantização Preditiva Codificada em Treliça com Preservação de Bordas
Quantzação Predtva Codfcada em Trelça com Preservação de Bordas Marcus Vncus Fonseca de Araújo Slva e Abraham Alcam CETUC/PUC-Ro, 2245-900 Ro de Janero RJ, Brazl Emals: marcusvfs@telemar-rj.com.br e alcam@cetuc.puc-ro.br
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisANÁLISE DO TRADE-OFF ENTRE O CUSTO DE INSTALAÇÃO DE NOVOS SERVIDORES E CUSTO DE ESPERA EM FILA EM UM SISTEMA LOGÍSTICO DE COLHEITA DE MILHO
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturdade e desafos da Engenhara de Produção: compettvdade das empresas, condções de trabalho, meo ambente. São Carlos, SP, Brasl, 12 a15 de outubro de 2010.
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO
Leia maisde Engenharia de São Carlos - USP Av. Trabalhador São-carlense, 400 - Centro - CEP 13566-590, São Carlos SP # UTFPR, Cornélio Procópio PR
APLICAÇÃO DE SISTEMAS FUZZY EM MOTORES DE INDUÇÃO PARA IDENTIFICAÇÃO DE TORQUE DE CARGA SÉRGIO F. DA SILVA *, IVAN N. SILVA *, ALESSANDRO GOEDTEL #, CRISTIANO MINOTTI * * Laboratóro de Automação Intelgente
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisFigura 3: Diagrama de blocos do sistema de inferência da qualidade.
4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisMedidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia maisUMA ABORDAGEM BASEADA EM PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM AMBIENTES CONTROLADOS PELO SISTEMA DE COORDENAÇÃO DE ORDENS PBC
UMA ABORDAGEM BASEADA EM PROGRAMAÇÃO INTEIRA MISTA PARA A PROGRAMAÇÃO DA PRODUÇÃO EM AMBIENTES CONTROLADOS PELO SISTEMA DE COORDENAÇÃO DE ORDENS PBC FÁBIO MOLINA DA SILVA - fabo@dep.ufscar.br UNIVERSIDADE
Leia maisF-328 Física Geral III
F-328 Físca Geral III Aula exploratóra- 06 UNICAMP IFGW username@f.uncamp.br F328 2 o Semestre de 2013 1 Corrente elétrca e resstênca Defnção de corrente: Δq = dq = t+δt Undade de corrente: 1 Ampère =
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisDesenvolvimento de software dedicado à gestão de estoques em indústrias de polpa de fruta
SCIENTIA PLENA VOL. 9, NUM. 5 2013 www.scentaplena.org.br Desenvolvmento de software dedcado à gestão de estoques em ndústras de polpa de fruta Software development dedcated to nventory management n frut
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais6 CONCEPÇÃO BÁSICA DO SISTEMA DE APOIO À DECISÃO
78 6 CONCEPÇÃO BÁSICA DO SISTEMA DE APOIO À DECISÃO Neste capítulo serão apresentados: o sistema proposto, o procedimento de solução para utilização do sistema e a interface gráfica, onde é ilustrada a
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisCaderno de Fórmulas. CCB, CCE e NCE - Cetip21
- Cetp21 Elaboração: Novembro/2005 Últma Atualzação: 27/05/2016 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisCARTILHA DOS PROCEDIMENTOS DA BIOMETRIA
CARTILHA DOS PROCEDIMENTOS DA BIOMETRIA Controladoria Regional de Trânsito HELP DESK / CRT 2009 INFORMAÇÕES INICIAIS 1- Que candidatos terão que verificar a biometria e a partir de que momento? Todos os
Leia maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia maisAPLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS
APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS Raann Pablo de Alencar AZEEDO; Ícaro Bezerra de Queroz ARAÚJO; Elel Pogg dos
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais024/ ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO GENÉTICO
ISSN 275-6295 Ro de Janero- Brasl, 05 e 06 de agosto de 2009. SPOLM 2009 024/2009 - ANÁLISE MULTICRITÉRIO DO PROBLEMA DE SELEÇÃO DE EQUIPAMENTOS EM AMBIENTE JUST IN TIME, UTILIZANDO-SE DE UM ALGORITMO
Leia maisAutores: Dani Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junior (SERPROS)
Prevsões de partdas de futebol usando modelos dnâmcos Autores: Dan Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junor (SERPROS) Alguns resultados que poderemos responder: Resultados dos jogos futuros; Quantos
Leia mais2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
Leia maisEscola Secundária de Lousada Ficha de trabalho de Matemática do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lições nº, e,
Escola Secundára de Lousada Fcha de trabalho de Matemátca do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lções nº, e, Estatístca é um ramos da Matemátca que permte fazer um estudo de uma forma
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia mais5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS
5º CONGRESSO BRASILEIRO DE ESQUISA E DESENVOLVIMENTO EM ETRÓLEO E GÁS TÍTULO DO TRABALHO: Análse e Controle da Repartda de oços Operando por Injeção Contínua de Gás AUTORES: Carlos Alberto C. Gonzaga,
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisVariáveis Indicadoras. Roteiro. Introdução
Varáves Indcadoras Rotero 1. Introdução 2. Varável Bnára de Intercepto 3. Varável de Interação 4. Aplcação 5. Varáves Qualtatvas com Váras Categoras 6. Referêncas Introdução Varáves Bnáras Modelo estenddo
Leia mais% Al 48 b) Alumínio que fica em solução. Precisamos calcular o equilíbrio da alumina com Al e O no aço:
1a Verfcação Refno dos s I EEIMVR-UFF, Setembro de 11 Prova A 1. Calcule o valor de γ no ferro, a 17 o C, com os dados fornecdos na prova. Vmos em aula que o 1% G e o γ estão relaconados através de 1%
Leia maisPREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES. CONCORRÊNCIA nº /12-SMT Processo Administrativo nº 2010-0.349.
SECRETARIA MUNICIPAL DE TRANSPORTES MINUTA Fls.... do PA nº 2010-0.349.079-0, (a)... PREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES CONCORRÊNCIA nº /12-SMT Processo Admnstratvo nº
Leia maisAPLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO
APLICAÇÃO DO ALGORITMO GENÉTICO DE CHAVES ALEATÓRIAS VICIADAS AO PROBLEMA DE ESCALONAMENTO DE TÉCNICOS DE CAMPO Rcardo de Brto Damm Departamento de Engenhara de Produção da Escola Poltécnca, USP rbdamm@usp.br
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia mais087/2009 - UMA AVALIAÇÃO DA QUALIDADE DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA COM UM MODELO DA ANÁLISE ENVOLÓTORIA DE DADOS
ISSN 275-6295 Ro de Janero- Brasl, 05 e 06 de agosto de 2009. SPOLM 2009 087/2009 - UMA AVALIAÇÃO DA QUALIDADE DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA COM UM MODELO DA ANÁLISE ENVOLÓTORIA DE DADOS
Leia maisUM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE
UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE RESUMO Felppe Perera da Costa, PPGEM/UFOP, Mestrando. felppe@mneral.em.ufop.br Marcone Jamlson Fretas
Leia mais