Algoritmos de partição e geração de colunas para dimensionamento de lotes de produção

Tamanho: px
Começar a partir da página:

Download "Algoritmos de partição e geração de colunas para dimensionamento de lotes de produção"

Transcrição

1 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) Algortos de partção e geração de coluas para desoaeto de lotes de produção Cara Mara Olvera Petel Flpe Perera e Alvelos José Mauel Valéro de Carvalho Cetro Algort, Uversdade do Mho cara@dps.uho.pt falvelos@dps.uho.pt vc@dps.uho.pt Departaeto de Produção e Ssteas, Uversdade do Mho Abstract I ths paper, we preset two algorths for the ult-te capactated lot-szg proble wth setup tes. I ths proble we a at fdg a producto pla for several tes over a uber of te perods that zes the producto, vetory ad setup costs ad satsfes all dead requreets wthout exceedg capacty lts. Both of the algorths are based o the applcato of the Datzg-Wolfe prcple to a classcal odel of Mxed Iteger Prograg. I oe case, we apply te decoposto ad the other case we apply a perod decoposto. I both cases the reforulated odels are stroger tha the orgal oe. These reforulated odels are solved by brach-ad-prce, whch s a cobato of colu geerato ad brachad-boud ethods. We preset coputatoal results for a set of staces wth dfferet characterstcs, to establsh coparsos betwee the two decoposto odels. These results are the copared wth the classc Mxed Iteger Prograg forulato solved by the coercal solver Cplex 8.1. Resuo Neste artgo apreseta-se dos algortos para o problea de lotes de produção ult-artgo capactado co tepos de preparação. Neste problea pretede-se deterar u plao de produção para város artgos ao logo de u deterado horzote teporal, que ze os custos de produção, de arazeage e de preparação e respete restrções de procura e de capacdade. Os algortos basea-se a aplcação do prcípo de decoposção de Datzg- Wolfe a u odelo clássco de Prograação Itera Msta. Nu dos casos é efectuada ua decoposção por artgo e o outro ua decoposção por período. E abos os casos os odelos reforulados são as fortes do que o odelo orgal. Os odelos reforulados são resolvdos através do étodo de partção e geração de coluas, que resulta da cobação do étodo de geração de coluas co o étodo de partção e avalação ("brach-ad-boud") Assocação Portuguesa de Ivestgação Operacoal

2 130 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) São apresetados resultados de testes coputacoas para u couto de stâcas co dferetes característcas, que perte estabelecer coparações etre os dos odelos de decoposção. Esses resultados coputacoas são ada coparados co a forulação clássca resolvda através do Cplex 8.1, u software coercal para Prograação Itera Msta. Keywords: Producto Plag, Mxed Iteger Prograg, Brach ad Prce Ttle: Brach ad Prce Algorths for Producto Lot Szg 1 Itrodução Neste artgo aborda-se o problea de lotes de produção ult-artgo capactado co tepos de preparação (LPMAC). Este problea ocorre o âbto do plaeaeto da produção de édo prazo, e te coo obectvo a deteração de u plao de produção para város artgos, habtualete produtos acabados, ao logo de u deterado horzote teporal. O plao resultate deverá satsfazer a procura dos cletes e respetar os ltes de capacdade e por outro lado zar os custos evolvdos. Vsto a perspectva dos ssteas de plaeaeto da produção, este problea correspode ao plao estre de produção (Pochet, 2001) e pertece à classe de probleas de lotes de produção de ível úco, ult-artgo, capactado e co procura deterístca e dâca. Neste trabalho apreseta-se dos étodos de resolução exacta do problea LPMAC baseados e duas decoposções. E abas, parte-se de u odelo clássco de Prograação Itera Msta (PIM) e aplca-se o prcípo de decoposção de Datzg-Wolfe (Datzg ad Wolfe, 1960), defdo de dferetes foras os subprobleas. Na prera decoposção as restrções de capacdade são atdas o problea estre, estado cada subproblea assocado a u artgo. Para esta decoposção fo á desevolvdo u algorto de partção e geração de coluas (Jas, 2002). O osso trabalho dfere a fora coo as regras de partção são copatblzadas co o subproblea. Na seguda decoposção as restrções de equlíbro de stocks são atdas o problea estre, estado cada subproblea assocado a u período. Ua cotrbução fudaetal deste trabalho é o desevolveto de u algorto de partção e geração de coluas baseado esta decoposção. Para resolver a relaxação lear dos odelos reforulados utlza-se o étodo de geração de coluas ( colu geerato ) e para resolver o problea tero aplca-se o étodo de partção e geração de coluas ( brach ad prce ). A otvação para a utlzação de étodos de decoposção este trabalho está relacoada co a potecal vatage destes étodos e teros da qualdade dos ltes ferores que produze, coparatvaete co os ltes que se obtê resolvedo drectaete a forulação clássca de PIM para o LPMAC. Do aueto da qualdade das soluções, resulta potecalete a redução dos tepos de resolução do problea. Ua outra cotrbução deste trabalho está assocada à coparação experetal etre dos odelos de decoposção alteratvos e etre estes e a forulação clássca resolvda pelo software coercal Cplex 8.1 (ILOG, 2002). No que respeta à orgazação do artgo, a Secção 2 apreseta-se ua revsão de bblografa relatva aos odelos e étodos de resolução para o problea. Na Secção 3 descreve-se o problea LPMAC e apreseta-se ua forulação clássca de PIM para este

3 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) problea. Na Secção 4 aplca-se duas decoposções de Datzg-Wolfe ao problea e defe-se os probleas estres e subprobleas assocados, be coo a estratéga usada para a obteção de soluções teras. Na Secção 5 apreseta-se resultados coputacoas para u couto de stâcas co dferetes característcas, que perte estabelecer coparações etre os dos odelos de decoposção e u software coercal de PIM e por últo, a Secção 6 apreseta-se as coclusões deste trabalho. 2 Revsão Bblográfca O prero odelo de Prograação Itera para probleas de lotes de produção deve-se a Wager e Wht (Wager ad Wht, 1958), que apresetara para o problea de lotes de produção de artgo úco ão capactado, cohecdo a lteratura por ULS - Ucapactated Lot Szg Proble, ua forulação de prograação ateátca e u algorto de prograação dâca, cohecdo coo algorto de Wager-Wht. Exste a lteratura (ver, por exeplo, (Drexl ad Ks, 1997) e (Kuk et al., 1994)) quatro odelos prcpas de PIM para a classe de probleas de lotes de produção de ível úco, ult-artgo, co procura deterístca e dâca e capactado: o odelo CLSP Capactated Lot Szg Proble, o odelo DLSP Dscrete Lot Szg ad Schedulg Proble, o odelo CSLP Cotuous Setup Lot Szg Proble e o odelo PLSP Proportoal Lot Szg ad Schedulg Proble. Nos probleas de lotes de produção ult-artgo capactados é habtual estabelecer-se a dstção etre sall bucket probles (SBP) e bg bucket probles (BBP). Nos BBP perte-se a produção de város artgos e cada período de plaeaeto equato que os SBP cosdera-se que e cada período de plaeaeto apeas u artgo pode ser produzdo. Os SBP perte odelar as decsões de escaloaeto e são adequados para stuações e que exste a ecessdade de cotrolar co rgor a capacdade cosuda a preparação equato que os BBP utlza-se ao ível do desoaeto de lotes, ode oralete se toa decsões co base e recursos agregados. O problea CLSP é ua extesão do problea ULS para o caso capactado e cosequeteete ult-artgo e é u BBP. Os odelos DLSP e CSLP são abos SBP e tegra as decsões de desoaeto de lotes co as decsões de escaloaeto. Equato que o CSLP, a produção realzada e cada período pode varar, as é ltada pela restrção de capacdade, o DLSP, a quatdade produzda e cada período ou é ula, ou te de ser gual à capacdade total desse período. O PLSP é tabé u SBP e surgu a sequêca do CSLP. Neste odelo perte-se a produção de dos artgos e cada período co o obectvo de se utlzar toda a capacdade dspoível e cada período. O problea abordado este artgo (LPMAC) é u CLSP co tepos de preparação. Os trabalhos poeros, sobre étodos de resolução para o problea LPMAC deve-se a Mae (Mae, 1958), a Dzelsk e Goory (Dzelsk ad Goory, 1965) e a Lasdo e Terug (Lasdo ad Terug, 1971). E (Mae, 1958) apreseta-se u odelo aproxado de prograação lear para o problea. E (Dzelsk ad Goory, 1965) é aplcada a decoposção de Datzg-Wolfe ao problea e detera-se o lte feror do problea reforulado pelo étodo de geração de coluas. E (Lasdo ad Terug, 1971) reforula-se o odelo de prograação lear proposto por (Mae, 1958) e resolvese esse ovo problea pelo étodo de geração de coluas. Estas abordages estão drectaete relacoadas co a decoposção por artgo a apresetar a subsecção 4.1, sedo de saletar que, tal coo a geeraldade das abordages baseadas e relaxação Lagrageaa ((Che ad Thzy, 1990), (Daby et al., 1992b), (Merle et al., 1999), (Thzy

4 132 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) ad Wassehove, 1985) e (Trgero et al., 1989)), apeas coduze à obteção de ltes ferores e ão a ua solução ópta tera. Ua excepção é o trabalho de (Jas, 2002) que aplca a decoposção de Datzg-Wolfe e o étodo de geração de coluas para resolver a relaxação lear do problea LPMAC e aplca o étodo de partção e geração de coluas para deterar a sua solução ópta tera. Este trabalho está relacoado co o trabalho aqu apresetado o âbto da decoposção por artgo. Aqulo que o dstgue do algorto baseado a decoposção por artgo aqu desevolvdo é a utlzação de regras de partção dferetes. Daby et al. (Daby et al., 1992a) aborda o problea LPMAC através de ua relaxação Lagrageaa alteratva, baseada a relaxação das restrções de equlíbro de stocks. Essa abordage está relacoada co a decoposção por período apresetada a subsecção 4.2. Ebora aqu tabé se aborde ua decoposção e que os subprobleas estão assocados a períodos, os étodos aplcados a resolução do problea reforulado, são dferetes. Neste trabalho utlza-se a decoposção de Datzg-Wolfe e téccas de partção e geração de coluas. Outros étodos específcos, ão drectaete relacoados co os apresetados este artgo, tê sdo aplcados o LPMAC, sedo de saletar étodos de plaos de corte ((Baray et al., 1984), (Belvaux ad Wolsey, 2000), (Mller et al., 2000) e (Pochet ad Wolsey, 1991)), redefção de varáves (Eppe ad Mart, 1987) e étodos heurístcos (Kar et al., 2003). 3 O problea de lotes de produção ult-artgo capactado co tepos de preparação O plaeaeto da produção é ua portate área e qualquer orgazação dustral, pos perte-lhe ldar de ua fora as efcete co as decsões assocadas ao fluxo de ateras e co a utlzação de pessoas e equpaetos, etre outros. E qualquer sstea de produção exste oralete u úero extreaete elevado de artgos (ou ecoedas) a produzr u couto ltado de recursos, aos quas estão assocadas datas de etrega acordadas co os cletes que se pode sobrepor e que deve ser cuprdas. O plaeaeto da produção ecarrega-se de plaear os recursos e actvdades ecessáras de odo a pertr a etrega atepada daqulo que é peddo. É este cotexto que o problea LPMAC se tora relevate. Este problea dz respeto às decsões toadas ao ível do plao estre de produção, o sstea de plaeaeto da produção. E lhas geras, este problea procura-se deterar u plao de produção para u couto de artgos fas, faseado o tepo, através da cosderação de u couto de períodos de plaeaeto. Esse plao dca para cada artgo fal as quatdades a produzr desse artgo (que defe u lote) e os períodos e que essas quatdades deve ser produzdas, atededo a u couto de restrções. Assocado a cada plao de produção, exste u custo que egloba três copoetes: custos de produção, custos de arazeage e custos de preparação. O custo de produção pode varar co o artgo e co o período e represeta o custo corrdo por cada udade produzda. O custo de arazeage represeta o custo que se corre por udade arazeada e por período de arazeage, sepre que a decsão é a de produzr atecpadaete para satsfazer procuras de períodos posterores. Por últo, o custo de preparação represeta u custo fxo do lote. No odelo as estudado do problea de lotes de produção ult-artgo capactado apeas se cosdera os custos de preparação, sedo a preparação cotablzada apeas a fução obectvo. Coo o tepo de preparação (de áquas, pessoas, ateras, etc.)

5 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) cosoe parte da capacdade de produção dspoível, esse odelo a capacdade realete utlzada é ecessaraete subestada. Para utos dos autores que cosdera a forulação do problea apeas o custo de preparação, a clusão deste tepo o odelo é vsta coo ua extesão sples. Esta posção é cotrarada e (Trgero et al., 1989), ode se ostra que o problea co a cosderação dos tepos de preparação se tora u problea uto as dfícl de resolver. Co vsta à odelação as precsa do problea, é este últo odelo que é abordado este artgo, cosderado-se drectaete o odelo a capacdade gasta co a preparação, ao vés de esta ser cosderada plctaete o custo de preparação. Nos parágrafos que se segue, apreseta-se a forulação clássca de PIM para o problea LPMAC. Cosdere-se os segutes coutos e parâetros: I que represeta o couto de artgos, dexados por =1,...,; J que represeta o couto de períodos de produção, dexados por =1,...,; p que represeta o custo utáro de produção do artgo o período ; q que represeta o custo fxo de preparação do artgo o período ; h que represeta o custo utáro de arazeage do artgo o fal do período ; d que represeta a procura do artgo o período ; c que represeta a capacdade de produção o período ; a que represeta a capacdade cosuda a produção de ua udade do artgo o período e b que represeta a capacdade cosuda a preparação do artgo o período. Cosdere-se ada as segutes varáves de decsão: x que represeta a quatdade a produzr do artgo o período ; y que é ua varável bára que assue o valor 1 se o artgo é produzdo o período, e assue o valor 0 caso cotráro e s que represeta o ível de vetáro do artgo o fal do período. Para u deterado horzote teporal o obectvo é o de deterar as quatdades a produzr de cada artgo e cada período e as quatdades a arazear de cada artgo para períodos posterores, que za os custos de produção, de preparação e de arazeage e que garate a etrega atepada dos artgos, a ocorrêca de ua preparação sepre que se produza e que a capacdade dspoível ão é ultrapassada. Mateatcaete podeos cocretzar este obectvo através da forulação de PIM que se apreseta de seguda, que se desga por forulação clássca. Z C Mp x q y h s (C) sueto a: x1 d1 s1, I 1 s x d s, I, J \ (2) 1 a x 1 x s x y b y 1 c b a c,, dt y t 0, I, J 0, I, J 0 1,, I, J J, I, J (1) (3) (4) (5) (6). (7)

6 134 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) A fução obectvo za o custo total. As restrções (1) e (2) são as restrções de equlíbro de stocks, que garate que a procura dos cletes e cada período é satsfeta e que relacoa os íves de vetáro de u deterado período co os íves de vetáro do período edataete ateror. As restrções (3) são as restrções de capacdade, que força o cosuo do recurso co a produção e a preparação a ão exceder a capacdade dspoível o período. As restrções (4) garate que ua preparação ocorre se o artgo for produzdo o período. Estas restrções podera ser substtuídas por x My, sedo M u valor costate elevado. Deste odo garatr-se-a que, sepre que se decdsse produzr o artgo o período, devera ocorrer ua preparação. Para torar a forulação as forte, o coefcete M pode ser substtuído por c b u lado por, ou sea, pela quatdade áxa que é possível produzr do artgo a o período, e por outro lado por d t t, ou sea, pela soa da procura desde o período e aálse (período ) até ao últo período de plaeaeto. Etre os dos coefcetes referdos, deve escolher-se aquele que tver eor valor, ua vez que a quatdade a produzr do artgo o período será ltada por esse valor. As restrções (5) e (6) põe a codção de ão egatvdade das varáves e as restrções (7) força as varáves de preparação a assur valores báros. A forulação clássca é costtuída por 2 varáves cotíuas, varáves báras e +2 restrções, se cosderar as codções de tegraldade e de ão egatvdade. Relebra-se que represeta o úero de artgos e o úero de períodos de plaeaeto. 4 Decoposções para o problea LPMAC A qualdade dos ltes ferores de u odelo é u aspecto crucal a resolução de odelos de PIM. É esse setdo que se aplca aqu a decoposção de Datzg-Wolfe (Datzg ad Wolfe, 1960), á que esta perte a obteção de forulações as fortes para o problea. Do aueto da qualdade do odelo pode resultar elhores tervalos de tegraldade e elhores tepos de resolução dos probleas. A u problea de PIM pode aplcar-se dferetes decoposções de Datzg-Wolfe, de acordo co as restrções que se cosdere a defção do subproblea e do problea estre. Após a aálse da estrutura da forulação clássca do problea LPMAC, detfcara-se duas decoposções de Datzg-Wolfe alteratvas, que se estudara co o obectvo de aferr a sua efcêca e de estabelecer alguas coparações etre abas, be coo copará-las co a forulação clássca resolvda através de u software coercal de PIM. Nas subsecções segutes apreseta-se as duas decoposções. 4.1 Decoposção por Artgo Na forulação clássca do problea LPMAC apresetada a secção ateror, apeas as restrções de capacdade (3) terlga os artgos a produzr. Se se dexar de cosderar estas restrções, o problea decopõe-se u couto de (sub)probleas depedetes, cada u correspodedo a u problea de lotes de produção de artgo úco ão capactado (ULS). Para trar partdo desta estrutura, esta decoposção, as restrções (3) defe as restrções de lgação, que fca o problea estre. O

7 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) subproblea é coposto pelas restrções (1)-(2) e (4)-(7) e cada subproblea está assocado ao problea ULS, exstdo subprobleas dferetes Problea Mestre Para a defção do problea estre, cosdere-se o couto H que represeta o couto de plaos de produção dexados por k=1,...,t e os parâetros: k, k e k. k assue o valor 1 caso exsta ua preparação do artgo o período o plao de produção k, e assue o valor 0 caso cotráro; =1,..., ; =1,..., ; k=1,...t. k represeta a quatdade a produzr do artgo o período, o plao de produção k; =1,..., ; =1,..., ; k=1,...t e k represeta o ível de vetáro do artgo o fal do período, o plao de produção k; =1,..., ; =1,..., ; k=1,...t. Cosdere-se ada a varável z k que represeta o peso do plao de produção k do artgo ; =1,..., ; k=1,...t e os parâetros e varáves de decsão defdas a Secção 3, relatvas à forulação clássca. Da aplcação da decoposção de Datzg-Wolfe à forulação clássca, resulta u ovo problea, que se desga por problea estre, que te assocadas varáves de decsão que represeta o peso dos potos extreos dos subprobleas (coo o poledro defdo pelas restrções que defe o subproblea é ltado, o problea estre exstrão apeas potos extreos). Qualquer solução do problea estre pode etão ser expressa através de ua cobação covexa e ão egatva dos potos extreos dos subprobleas. O problea estre, da decoposção por artgo é do tpo: Z PMI t Mq k p k h k z k (PMI) 1 k1 1 sueto a: t z k 1 k 1, I ( ) (8) t 1 k 1 ( b k a k )zk c, J ( ) (9) z k 0, I, k H. (10) Nesta decoposção, a solução dos subprobleas (varáves de decsão do problea estre) correspode a plaos de produção. Para u deterado artgo, cada plao de produção dca e que períodos se deve produzr e e que quatdades. As varáves de decsão z k represeta ass a proporção da procura do artgo que é satsfeta através do plao de produção k. A fução obectvo za a soa dos custos totas. As restrções (8) são as restrções de covexdade. Exste ua restrção de covexdade para cada artgo, a qual se força a escolha de ua cobação de plaos de produção. Assocada a cada restrção de covexdade está ua varável dual. O segudo couto de restrções, couto (9), dz respeto às restrções de capacdade. Neste couto forçase a que a cobação de plaos de produção escolhda respete a capacdade dspoível e cada período. Este segudo couto te assocadas as varáves duas. As restrções (10) força as varáves de decsão a toare valores ão egatvos. E teros de desão, o problea PMI, coparatvaete co o problea C, te u úero as reduzdo de restrções. Equato que a forulação clássca exste coo vos aterorete +2 restrções, o problea estre PMI, este úero reduz-se para +. Já e teros de varáves, o problea PMI, coparatvaete co o

8 136 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) problea C, te u úero ggatesco de varáves, pelo que se utlza o étodo de geração de coluas para o resolver. A dea subacete à geração de coluas pode defrse do segute odo: e vez de cosderaros todos os plaos de produção dos subprobleas o problea estre PMI, vaos cosderar apeas u couto restrto desses plaos, defdo u problea estre restrto (PMR) e avalar se exste plaos que ão estão actualete o problea PMI, que caso fosse cluídos o problea podera elhorar o valor da fução obectvo. Os plaos de produção que se revelare atractvos deve ser adcoados ao problea estre. Para car o processo teratvo de geração de coluas, o PMR te de ser u problea váldo, vsto ter de forecer varáves duas aos subprobleas, para fazer a avalação dos plaos de produção atractvos. Para garatr a adssbldade do PMR cluu-se as restrções (8) u couto de varáves artfcas, v, assocadas a cada artgo e a fução obectvo o tero f v, ode f represeta ua pealdade elevada, 1 que tora qualquer solução co varáves artfcas postvas de por qualdade que ua solução ópta e teros das varáves z k. Fora ada cluídos o prero PMR u subcouto de plaos de produção do couto de todos os plaos de produção dos subprobleas. Para recuperar a solução do problea C, a partr de ua solução do problea PMI basta aplcar as expressões: x kzk (11) t k 1 y kzk (12) t k 1 Cohecdo o valor das varáves x, através das equações (1) e (2), é edata a deteração do valor das varáves de decsão auxlares s Subprobleas Se represetar o vector de varáves duas assocado ao couto de restrções de capacdade (9) e a varável dual assocada à restrção do couto de restrções de covexdade (8), os subprobleas a resolver são defdos por: Z SPI M p x q y h s (b y ) (a x ) (SPI) sueto a: x1 d1 s1, (13) 1 s 1 x d s, J \ (14) x c b, dt y, a t J (15) x 0, J (16)

9 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) y 0 1,, J (17) s 0, J. (18) Para resolver os subprobleas da decoposção por artgo, pode utlzar-se o algorto de prograação dâca proposto por (Wager ad Wht, 1958), que resolve e tepo poloal o problea. Cada subproblea te assocados 2-1 plaos de produção e a solução ópta de cada u dos subprobleas represeta u plao de produção relatvo ao artgo. Coo o subproblea ão exste restrções de capacdade, e todos os plaos de produção, quado se toa a decsão de produzr u deterado período, produz-se para satsfazer a procura de u úero tero de períodos. Estes plaos são cohecdos por plaos de Wager-Wht. Durate o processo de geração de coluas, equato o valor ópto da fução obectvo do subproblea (custo reduzdo assocado a u plao de produção) for eor do que zero, deverá adcoar-se ao problea estre ua ova colua ou varável, que correspode à solução do subproblea (plao de produção). E cada teração, pode portato ser adcoadas ao problea estre ovas coluas, caso cada subproblea cotrbua co ua colua atractva. 4.2 Decoposção por Período Nesta subsecção aborda-se ua decoposção alteratva à decoposção por artgo, que cosste e dexar o problea estre as restrções de equlíbro de stocks (1) e (2) e e passar para o subproblea as restrções (3), (4), (6) e (7). Co esta decoposção os subprobleas passa a estar assocados aos períodos de plaeaeto. No osso elhor coheceto, esta decoposção fo apeas estudada por (Daby et al., 1992a), que utlzara a relaxação Lagrageaa e resolvera o problea reforulado pelo étodo do subgradete. Neste trabalho, aplca-se a decoposção de Datzg-Wolfe e a resolução do problea reforulado é feta pelo étodo de geração de coluas, que quado cobado co o étodo de partção e avalação, perte ada a obteção de soluções óptas teras Problea Mestre Para defr o problea estre da decoposção por período, cosdere-se os parâetros e varáves da forulação clássca apresetada a Secção 3, o couto H que represeta o couto de padrões de produção dexados por k=1,...,t e os parâetros: k e k. k assue o valor 1 caso exsta ua preparação o período do artgo, o padrão de produção k e assue o valor 0 caso cotráro; =1,..., ; =1,..., ; k=1,...t e k represeta a quatdade a produzr o período do artgo, o padrão de produção k; =1,..., ; =1,..., ; k=1,...t. Cosdere-se tabé a varável de decsão zk que represeta o peso do padrão de produção k do período ; =1,..., ; k=1,...t. O problea estre que a decoposção por período resulta da aplcação da decoposção de Datzg-Wolfe, é tal coo o da decoposção por artgo costtuído por varáves de decsão que represeta pesos de potos extreos dos subprobleas, pos este caso o poledro defdo pelas restrções do subproblea é tabé u couto ltado. A dfereça é que agora as varáves represeta padrões de produção que estão assocados a u período. Cada padrão de produção dca para u deterado período a quatdade que deve ser produzda do x de artgos a processar.

10 138 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) A solução da relaxação lear do problea LPMAC, quado se aplca a decoposção por período, pode ser obtda resolvedo o segute problea estre, aqu desgado por PMJ: Z PMJ sueto a: t Mh s q k p k z k k1 1 (PMJ) t z k k 1 1, J ( ) (19) t 1 kz1k d1 s1, I ( 1 ) (20) k 1 s kz 1 t 1 k d s, I, J \ ( ) k 1 (21) s 0, I, J (22) z k 0, J, k H. (23) As varáves de decsão zk pode ser vstas coo a proporção da procura do período que é satsfeta pelo padrão de produção k. A fução obectvo do problea estre za a soa dos custos totas. As restrções (19) represeta as restrções de covexdade. Exste ua restrção de covexdade assocada a cada período a qual se força a escolha de ua cobação de padrões de produção. Assocada a cada restrção de covexdade está ua varável dual. No caso da decoposção por período, as restrções de covexdade pode ser escrtas coo ua desgualdade do tpo, e vez da sua fora habtual, a qual estas restrções são escrtas coo ua gualdade. Esta alteração é possível, devdo ao espaço de soluções adssíves do subproblea SPJ (que será defdo a subsecção segute) clur a orge. Co esta odfcação, exclue-se do problea estre os padrões de produção que dque que para u deterado período ada deve ser produzdo. O couto de restrções (20) e (21), são as restrções de equlíbro de stocks. Neste couto força-se a que a cobação de padrões de produção escolhda respete a procura de cada artgo e cada período. Este couto te assocadas as varáves duas. As restrções (22) e (23) põe a codção de ão egatvdade das varáves de vetáro e das varáves de peso, respectvaete. Quato à desão, o problea PMJ te + restrções. Nesta decoposção o úero de varáves do problea estre é extreaete elevado, pelo que tabé se recorre ao étodo de geração de coluas para resolver o problea PMJ. Devdo ao couto de restrções de equlíbro de stocks do prero período de plaeaeto, restrções (20), o prero PMR pode ão ser váldo. Para o valdar, assocou-se ua varável artfcal, v, a cada restrção deste couto. Estas varáves pode ser terpretadas coo sedo o vetáro exstete o íco do prero período de plaeaeto. À fução obectvo, adcoou-se o tero f v, ode f é u escalar 1 co u valor uto elevado, para garatr que qualquer solução co varáves artfcas postvas é por que ua solução ópta e teros das varáves de peso zk. A solução do problea C, pode ser obtda por aplcação das segutes expressões:

11 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) x kz k (24) t k 1 y kz k (25) t k Subprobleas Cada u dos subprobleas da decoposção por período é defdo por: Z SPJ sueto a: M p x 1 q y 1 x 1 (SPJ) a x 1 b y 1 c, (26) x c b, dt y, a t I (27) x 0, I (28) y, 0,1 I, (29) ode represeta a varável dual assocada à restrção do couto de restrções de covexdade (19) e represeta o vector de varáves duas assocado ao couto de restrções de equlíbro de stocks (couto de restrções (20) e (21)). A fução obectvo de cada subproblea represeta o custo reduzdo assocado ao padrão de produção. No processo de geração de coluas, equato os custos reduzdos dos subprobleas fore eores do que zero, deverão adcoar-se ao problea estre restrto os padrões de produção correspodetes. Os subprobleas da decoposção por período estão assocados ao problea da ochla cotíuo co preparações ( cotuous kapsack proble wth setups ). Este problea fo receteete abordado e (Perrot ad Vaderbeck, 2004), ode é apresetado u algorto de prograação dâca e u algorto de partção e avalação para o problea. 4.3 Pesqusa de Soluções Iteras Ao resolver os probleas estres defdos as subsecções e por geração de coluas, estaos a deterar a solução ópta da relaxação lear dos odelos de decoposção. O valor da solução que se obté represeta portato u lte feror para o valor do ópto tero. Coo os subprobleas que resulta de abos os odelos de decoposção ão possue a propredade da tegraldade (Geoffro, 1974), o lte feror que se obté a resolução dos probleas estres é elhor ou gual que o obtdo pela solução da relaxação lear da forulação clássca.

12 140 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) Para recuperaros ua solução expressa e teros das varáves de peso para ua solução e teros das varáves orgas da forulação clássca, basta aplcaros as expressões (11) e (12) o caso da decoposção por artgo e as expressões (24) e (25) caso se trate da decoposção por período. Se, essa solução, exstre varáves de preparação, as varáves y, que ão sea báras, esta solução ão correspode à solução ópta do problea C. Para deterar a solução ópta tera do problea deverá etão recorrer-se ao étodo de partção e geração de coluas. Este étodo coba o étodo de partção e avalação co o étodo de geração de coluas (Barhart et al., 1998) e asseta a resolução de u problea estre e cada odo da árvore de pesqusa através do étodo de geração de coluas. A estratéga de partção usada este trabalho, cosste e adcoar ao problea estre restrções de partção que força as varáves orgas de preparação a assur valores báros. Esta estratéga te a vatage de ser geral, podedo ser aplcada a qualquer tpo de problea, garatdo a preservação da estrutura do subproblea os odos da árvore de pesqusa. Quado a solução da raz da árvore de pesqusa, ou a solução de u deterado odo ão é tera, e exste teresse e explorá-lo, deve adcoar-se dos ovos odos ao problea. Cada u destes odos passa a defr u ovo problea, o qual para alé de se cosderar o problea estre actual, se cosdera tabé ua das restrções de partção, a segur apresetadas: kzk 0 ou kzk 1 se decoposção por artgo kh kh kz k 0 ou kz k 1 se decoposção por período kh kh ode H represeta o couto de plaos de produção (se decoposção por artgo) ou de padrões de produção (se decoposção por período) que faze parte desse problea estre actual. Após a adção da restrção de partção, para que os custos reduzdos dos subprobleas a resolver o processo de geração de coluas sea correctaete deterados, deve alterar-se a fução obectvo desses subprobleas, a qual se deve passar a cosderar a varável dual assocada à restrção de partção que fo adcoada. No caso da decoposção por artgo, se represetar a varável dual assocada à restrção de partção que fo adcoada ao odo, a fução obectvo de cada u dos subprobleas, apresetada a subsecção 4.1.2, deve subtrar-se o tero segute: y. Se se tratar da decoposção por período e se for a varável dual assocada à 1 restrção de partção, a fução obectvo de cada u dos subprobleas apresetados a subsecção deve subtrar-se o tero: y. 1 5 Resultados Coputacoas Co o obectvo de avalar e coparar o desepeho de abos os algortos de partção e geração de coluas e de os coparar co a forulação clássca resolvda pelo software Cplex 8.1 realzara-se testes coputacoas, cuos resultados se apreseta este capítulo. Para edr o desepeho de cada u dos três étodos, utlzara-se os

13 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) segutes crtéros: qualdade dos ltes ferores (edda através do cálculo dos tervalos de tegraldade) e efcêca. Os resultados coputacoas fora obtdos através da resolução de u couto de 180 stâcas usadas por (Trgero et al., 1989), as quas fora geradas co base a varação de quatro característcas: varabldade da procura, capacdade utlzada, perodcdade de ecoeda ( te betwee orders ) e tepo de preparação. Na esa referêca pode ecotrar-se forações poreorzadas acerca da fora coo estas stâcas fora obtdas. Todas as stâcas cosdera 10 artgos e 20 períodos de plaeaeto. E abos os odelos de decoposção, os probleas estres quer da raz da árvore de pesqusa quer de qualquer odo da árvore, são resolvdos até à optaldade pelo algorto dual do splex, através do Cplex. Os subprobleas da decoposção por artgo e da decoposção por período são tabé resolvdos até à optaldade, usado o Cplex. Os preros probleas estres restrtos são defdos através de u couto de varáves artfcas que assegura a adssbldade dos esos e de u subcouto de plaos de produção o caso da decoposção por artgo e e cada teração do étodo de geração de coluas resolve-se todos os subprobleas até optaldade e todas as coluas atractvas são adcoadas ao problea estre restrto. No étodo de partção e geração de coluas, quer a decoposção por artgo, quer a decoposção por período, fzera-se algus testes prelares ode se testara duas estratégas de pesqusa da árvore. Na prera estratéga utlzou-se a pesqusa prero e profuddade e deu-se prordade ao odo que te assocado a restrção de partção do tpo e a regra de partção utlzou-se ua estratéga baseada a escolha da varável co parte fraccoára as próxa de 1. Na seguda estratéga de pesqusa da árvore, tabé se utlzou a pesqusa prero e profuddade, as deu-se prordade ao odo de pesqusa que te assocada a restrção de partção do tpo e a regra de partção utlzou-se ua estratéga baseada a escolha da varável co parte fraccoára as próxa de 0. Coo a prera estratéga fo a que produzu elhores resultados, a realzação dos testes que aqu se apreseta fo esta a estratéga seguda. Os algortos de partção e geração de coluas fora pleetados e C++ utlzado a ferraeta ADDg Autoatc Datzg-Wolfe Decoposto for INteger colu Geerato (Alvelos, 2005). Os testes fora realzados u coputador pessoal co u processador Petu 4 a 2 GHz e co 1 GB de eóra. Na tabela 1 apreseta-se os tepos de resolução da relaxação lear dos dos odelos de decoposção e da forulação clássca resolvda pelo Cplex. Esses tepos estão expressos e segudos e refere-se aos tepos édos de resolução do couto de 180 stâcas. Tabela 1: Tepos Médos: Relaxação Lear Método Tepo Médo (segudos) Decoposção por Artgo 2.39 Decoposção por Período Forulação Clássca - Cplex 0.03 Na resolução do problea tero, ltou-se o tepo de resolução a 3600 segudos. Usado a decoposção por período, ão se cosegue atgr a solução ópta e ehua das 180 stâcas o tepo lte estabelecdo, ecotrado-se apeas

14 142 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) soluções cubetes. E 109 das 180 stâcas testadas ão se cosegue deterar a solução ópta usado quer a decoposção por artgo, quer o Cplex. Exste portato 71 stâcas que são resolvdas até à optaldade, cosderado o Cplex e/ou a decoposção por artgo. Desta aálse cocluí-se que e cerca de 40% das stâcas testadas se cosegue deterar a solução ópta do problea e eos de ua hora. Co o Cplex cosegue-se deterar a solução ópta de 61 stâcas u tepo édo de segudos equato que co a decoposção por artgo se cosegue deterar a solução ópta de 59 stâcas, u tepo édo de segudos. Já e teros de soluções cubetes, e 49 das 109 stâcas e que ão se cosegue deterar a solução ópta o Cplex apreseta elhores cubetes que os odelos de decoposção. Nas restates 60 stâcas, é a decoposção por artgo que apreseta as elhores soluções cubetes. As soluções cubetes da decoposção por período são sepre pores que as soluções cubetes da decoposção por artgo e do Cplex. Na tabela 2 suara-se estes resultados. A seguda colua da tabela refere-se ao úero de stâcas que são resolvdas até à optaldade por cada u dos étodos e a tercera colua apreseta-se os tepos édos de resolução dessas stâcas. Na quarta colua apreseta-se os tervalos édos de tegraldade ou GAP s édos de tegraldade e percetage. Os GAP s fora deterados através da segute Z PI Z LI expressão:, represetado ZPI o valor da solução ópta tera e ZLI o valor do Z PI lte feror (o valor da solução ópta do odo da raz da árvore) de cada u dos três étodos. Nesta aálse cosderara-se as 71 stâcas para as quas se obteve a solução ópta tera. Por últo, a quta colua quatfca-se o úero de stâcas, do couto das 109 que ão são resolvdas até à optaldade, e que cada étodo apreseta elhores soluções cubetes. Método Tabela 2: Resultados Coputacoas : Problea Itero Núero Istâcas Resolvdas Tepo Médo (segudos) GAP Médo (%) Núero Melhores Icubetes Decoposção por Artgo Decoposção por Período Forulação Clássca - Cplex Aalsado os resultados da tabela 1, coclu-se que a decoposção por artgo os tepos édos de resolução da relaxação lear são bastate ferores aos obtdos co a decoposção por período. Etre a decoposção por artgo e o Cplex, a dfereça ão é tão sgfcatva, as o Cplex cosegue resolver a relaxação as rapdaete. A dfereça de tepos édos etre a decoposção por artgo e a decoposção por período roda os segudos e etre a decoposção por artgo e o Cplex roda os 2 segudos. Da aálse da tabela 2 depreede-se que e teros do úero de stâcas resolvdas até à optaldade, a dfereça etre a decoposção por artgo e a decoposção por período é eore. Etre a decoposção por artgo e o Cplex cosderase que essa dfereça ão é sgfcatva. Quato aos tepos édos de resolução do problea tero, coo a decoposção por período ão se obté ehua solução ópta, esta aálse apeas se cosderara os tepos édos de resolução do couto de 59 stâcas da decoposção por artgo e do couto de 61 stâcas da decoposção por período. O Cplex é o étodo que e éda apreseta elhores tepos de resolução, ão sedo cotudo sgfcatva a dfereça etre os tepos édos deste étodo e os tepos édos da decoposção por artgo. Essa dfereça é de 74 segudos.

15 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) Quato aos GAP s de tegraldade, esta é para ós ua edda de desepeho fudaetal, pos perte-os aferr acerca da qualdade dos odelos desevolvdos, depedeteete da pleetação utlzada para os resolver. O odelo da decoposção por artgo é claraete as forte que o odelo da decoposção por período e que a forulação clássca. Coparado o GAP da decoposção por período co o do Cplex, cocluí-se que são abos seelhates, ebora o GAP da decoposção por período sea u pouco elhor. Para alé da aálse dos GAP s, a aálse das elhores soluções cubetes, perte-os tabé atestar a qualdade das soluções. Quato as baxo for o valor da solução cubete as próxo estaos do valor da solução ópta tera. Para o couto das 109 stâcas, para as quas ão se obté a solução ópta tera e 3600 segudos, coparara-se as soluções cubetes obtdas pelos três étodos a altura e que o tepo lte fo atgdo. Dessa aálse verfcou-se que a decoposção por artgo é a que apreseta para u aor úero de stâcas as elhores soluções cubetes. Depos de efectuada a aálse geral dos resultados obtdos a resolução do couto das 180 stâcas, fez-se a aálse dos resultados atededo à varação dos quatro parâetros das stâcas de teste. Nesta fase cosderara-se coo eddas de desepeho os tepos édos de resolução do problea tero e os GAP s édos de tegraldade. Para o cálculo dos GAP s de tegraldade cosderara-se as 71 stâcas para as quas se obteve a solução ópta e cosderara-se os três étodos de resolução. Para o cálculo dos tepos édos de resolução apeas se cosderou a decoposção por artgo e o Cplex, á que a decoposção por período ão se obteve a solução ópta tera de ehua das stâcas. No caso da decoposção por artgo utlzara-se as 59 stâcas para as quas se obteve a solução ópta e para o Cplex, utlzara-se as 61 stâcas que são resolvdas até à optaldade co este étodo. Os resultados que se apreseta a tabela 3 e a tabela 4 refere-se a esta aálse. Tabela 3: Resultados Coputacoas: co Varação de Parâetros das Istâcas Decoposção por Artgo GAP N.º Istâcas (%) Resolvdas Forulação Clássca - Cplex GAP N.º Istâcas (%) Resolvdas Decoposção por Período GAP N.º Istâcas (%) Resolvdas Utlzação Baxa de Méda Capacdade Alta Varabldade Méda da Procura Alta Perodcdade Baxa de Méda Ecoeda Alta Tepo de Baxo Preparação Alto Da aálse da tabela 3 verfca-se que quado a utlzação de capacdade é alta, há poucas stâcas que são resolvdas e que à edda que aueta a utlzação de capacdade o GAP quer da decoposção por período quer do Cplex baxa, sedo que e relação à decoposção por artgo à edda que aueta a utlzação de capacdade, tabé aueta o GAP. O efeto o GAP, quado se vara a procura e quado se vara o tepo de preparação, ão é sgfcatvo se se cosderar a decoposção por período e o

16 144 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) Cplex. Na decoposção por artgo as dfereças são as acetuadas, verfcado-se que a passage de u ível para o ível edataete superor, leva a u aueto do GAP. E relação à varação a perodcdade de ecoeda, pode dzer-se que à edda que aueta a perodcdade de ecoeda aueta sgfcatvaete a dfculdade do problea, sedo esse aueto as acetuado para a decoposção por período e para o Cplex. Esta aálse só pode ser baseada as stâcas co perodcdade baxa e éda, á que e ehua das stâcas co perodcdade alta se coseguu obter resultados. Por últo, saleta-se que relatvaete aos GAP s de tegraldade e teros geras o coportaeto da decoposção por período e do Cplex é uto dêtco, face às varações os parâetros. Tabela 4: Resultados Coputacoas: co Varação de Parâetros das Istâcas Decoposção por Artgo Tepo édo N.º Istâcas (segudos) Resolvdas Forulação Clássca - Cplex Tepo édo N.º Istâcas (segudos) Resolvdas Utlzação Baxa de Méda Capacdade Alta Varabldade Méda da Procura Alta Perodcdade Baxa de Méda Ecoeda Alta Tepo de Baxo Preparação Alto Na aálse dos tepos de resolução do problea tero, deverá otar-se que os resultados apresetados a tabela 4 ão dze respeto exactaete às esas stâcas, pelo que as coparações que se apreseta de seguda poderão estar evesadas. Idealete devera cosderar-se as esas stâcas, as esse caso a aostra sera relatvaete baxa. Quado a utlzação de capacdade é alta, há poucas stâcas que são resolvdas até à optaldade e quado a perodcdade de ecoeda é alta ehu dos étodos cosegue ecotrar soluções óptas teras. Verfca-se que os tepos édos de resolução aueta sgfcatvaete quado se passa de ua utlzação de capacdade baxa para éda, ass coo quado se passa da varabldade da procura éda para a alta e quado se passa da perodcdade de ecoeda baxa para a éda. E teros geras o desepeho da decoposção por artgo é dêtco ao do Cplex, sedo de realçar que as stâcas co varabldade da procura éda e co perodcdade de ecoeda éda, os tepos édos de resolução são as baxos a decoposção por artgo coparatvaete co os tepos do Cplex. 6 Coclusões Neste artgo apresetara-se e coparara-se dos algortos de partção e geração de coluas para a obteção de soluções óptas teras do problea de lotes de produção ult-artgo capactado co tepos de preparação. Abos os algortos basea-se a

17 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) aplcação da decoposção de Datzg-Wolfe a ua forulação de Prograação Itera Msta clássca para o problea. Nu deles, os subprobleas estão assocados a períodos e, o outro, os subprobleas estão assocados aos artgos. O odelo de decoposção por artgo perte obter tervalos de tegraldade uto baxos, o que os leva a cosderar que exstra vatages e vestr-se o aueto da efcêca deste odelo e abordages futuras, oeadaete ao ível do algorto de partção e geração de coluas. Certaete os tepos de resolução podera ser reduzdos através da pleetação do algorto de prograação dâca proposto por Wager-Wht, para resolver os subprobleas e através da pleetação de heurístcas para a obteção de soluções adssíves de elhor qualdade, quer a raz da árvore de pesqusa quer os odos da árvore. Para a pesqusa de soluções teras propôs-se u esquea de partção baseado as varáves orgas de preparação, o qual se adcoa restrções de partção ao problea estre, garatdo-se deste odo a preservação da estrutura do subproblea. Este esquea te a vatage de ser geral e de poder ser aplcado a qualquer tpo de problea de Prograação Itera ou de Prograação Itera Msta. Os testes coputacoas realzados ostrara que a decoposção por artgo te u desepeho claraete superor ao da decoposção por período e que etre a decoposção por artgo e a forulação clássca resolvda pelo Cplex a vatage da decoposção por artgo e teros de tervalos de tegraldade é sgfcatva. Já e teros de tepos de resolução abos os étodos tê u desepeho slar, ebora co o Cplex 8.1 se obteha e éda resultados u pouco elhores. 7 Agradecetos Este trabalho fo parcalete facado pela Fudação para a Cêca e a Tecologa, através do proecto POSI/SRI/48873/2002 e decorreu o Cetro Algort da Uversdade do Mho. 8 Referêcas Alvelos, F. (2005) Brach-ad-Prce ad Multcoodty Flows, PhD Thess, Uversdade do Mho. Baray, I., Roy, T. J. V. ad Wolsey, L. A. (1984) Strog Forulatos for Mult-Ite Capactated Lot Szg, Maageet Scece, Vol. 30, No. 10, pp Barhart, C., Johso, E. L., Nehauser, G. L., Savelsbergh, M. W. P. ad Vace, P. H. (1998) Brach-ad-Prce: Colu Geerato for Solvg Huge Iteger Progras, Operatos Research, Vol. 46, No. 3, pp Belvaux, G. ad Wolsey, L. A. (2000) bc-prod: A Specalzed Brach-ad-Cut Syste for Lot-Szg Probles, Maageet Scece, Vol. 46, pp Che, W. H. ad Thzy, J. M. (1990) Aalyss of Relaxatos for the Mult-Ite Capactated Lot-Szg Proble, Aals of Operatos Research, Vol. 26, pp Datzg, G. B. ad Wolfe, P. (1960) Decoposto Prcple for Lear Progras, Operatos Research, Vol. 8, pp Daby, M., Bahl, H. C., Karwa, M. H. ad Zots, S. (1992a) Capactated Lot-Szg ad Schedulg by Lagragea Relaxato, Europea Joural of Operatoal Research, Vol. 59, pp

18 146 C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) Daby, M., Bahl, H. C., Karwa, M. H. ad Zots, S. (1992b) A Lagragea Relaxato Approach for Very-Large-Scale Capactated Lot-Szg, Maageet Scece, Vol. 38, No. 9, pp Drexl, A. ad Ks, A. (1997) Lot Szg ad Schedulg - Survey ad Extesos, Europea Joural of Operatoal Research, Vol. 99, pp Dzelsk, B. P. ad Goory, R. E. (1965) Optal Prograg of Lot Szes, Ivetory ad Labor Allocatos, Maageet Scece, Seres A, Vol. 11, No. 9, pp Eppe, G. D. ad Mart, R. K. (1987) Solvg Mult-Ite Capactated Lot-Szg Probles usg Varable Redefto, Operatos Research, Vol. 35, No. 6, pp Geoffro, A. M. (1974) Lagragea Relaxato for Iteger Prograg, Matheatcal Prograg Study, Vol. 2, pp ILOG (2002) CPLEX 8.1, User's Maual. Jas, R. (2002) Capactated Lot Szg Probles: New Applcatos, Forulatos ad Algorths, PhD Thess, Katholeke Uverstet. Kar, B., Gho, S. ad Wlso, J. (2003) The Capactated Lot Szg Proble: a Revew of Models ad Algorths, Oega, Vol. 31, pp Kuk, R., Saloo, M. ad Wassehove, L. v. (1994) Batchg Decsos: Structure ad Models, Europea Joural of Operatoal Research, Vol. 75, pp Lasdo, L. S. ad Terug, R. C. (1971) A Effcet Algorth for Mult-Ite Schedulg, Operatos Research, Vol. 19, No. 4, pp Mae, A. S. (1958) Prograg of Ecooc Lot Szes, Maageet Scece, Vol. 4, No. 2, pp Merle, O. d., Goff, J.-L., Trouller, C. ad Val, J.-P. (1999) A Lagraga Relaxato of the Capactated Mult-Ite Lot Szg Proble Solved wth a Iteror Pot Cuttg Plae Algorth, Approxato ad Coplexty Nuercal Optzato: Cotuous ad Dscrete Probles, Pardalos, P. M. (eds.), Kluwer Acadec Publshers. Mller, A. J., Nehauser, G. L. ad Savelsbergh, M. W. P. (2000) Solvg Mult-Ite Capactated Lot-Szg Probles wth Setup Tes by Brach-ad-Cut, Techcal report CORE Dscusso Paper 2000/39. Perrot, N. ad Vaderbeck, F. (2004) Kapsack Probles wth Setups, Techcal report U Pochet, Y. (2001) Matheatcal Prograg Models ad Forulatos for Deterstc Producto Plag Probles, Coputatoal Cobatoral Optzato, Jüger, M. ad D. Naddef (eds.), Sprger-Verlag. Pochet, Y. ad Wolsey, L. A. (1991) Solvg Mult-Ite Lot-Szg Probles usg Strog Cuttg Plaes, Maageet Scece, Vol. 37, pp Thzy, J. M. ad Wassehove, L. N. V. (1985) Lagragea Relaxato for the Mult-Ite Capactated Lot Szg Proble: a Heurstc Ipleetato, IIE Trasactos, Vol. 17, pp Trgero, W. W., Thoas, L. J. ad McCla, J. O. (1989) Capactated Lot Szg wth Setup Tes, Maageet Scece, Vol. 35, No. 3, pp Wager, H. ad Wht, T. (1958) Dyac Verso of the Ecooc Lot Sze Model, Maageet Scece, Vol. 5, No. 1, pp

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE

MODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE MODELAGEM MATEMÁTICA E ANÁLISE DO POCESSO DE FLOCULAÇÃO EM CÂMAAS EM SÉIE odrgo B Moruzz, Sauel Coceção de Olvera Professor da Uesp, Capus de o Claro, o Claro-SP, Brasl, roruzz@rcuespbr Professor da Uesp,

Leia mais

Palavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática.

Palavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática. 1 ABORDAGENS PARA PROBEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE MÚTIPOS DESTINOS eoardo Juquera Realdo Morabto Dese Sato Yaashta Departaeto de Egehara de Produção Uversdade Federal de São

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Capitulo 7 Resolução de Exercícios

Capitulo 7 Resolução de Exercícios FORMULÁRIO Audades Costates Postecpadas HP C [g][end] Cp LN 1 1 1 1 C p R Cp R R a, R C p, 1 1 1 a LN 1 Sp LN 1 1 1 S p R S p R R s, R S p, 1 1 s LN 1 Audades Costates Atecpadas HP C [g][beg] 1 (1 ) 1

Leia mais

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência)

4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência) 4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (fuções de trasferêa) 4. Trasforada de Laplae É u operador lear, que opera sobre fuções de varável otíua postva, defdo por: L f(t) = f(s) = f(t) e -st dt Nota:

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

Balanço de Massa e Energia Aula 2

Balanço de Massa e Energia Aula 2 alaço de assa e Eerga ula Udades e Desão Desão: Quatdade que pode ser edda, são as gradezas báscas coo copreto, assa, tepo, teperatura etre outras, ou quatdades calculadas pela dvsão ou ultplcação de outras

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas

Leia mais

Decomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita

Decomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita Decoposção Lagrageaa co Geração de Coluas para o Problea de Prograação Quadrátca Bára Irrestrta Geraldo Regs Maur,2, Luz Atoo Noguera Lorea 2 Cetro de Cêcas Agráras, Departaeto de Egehara Rural Uversdade

Leia mais

PUCRS - FENG - DEE - Mestrado em Engenharia Elétrica Redes Neurais Artificiais Fernando César C. de Castro e Maria Cristina F. de Castro.

PUCRS - FENG - DEE - Mestrado em Engenharia Elétrica Redes Neurais Artificiais Fernando César C. de Castro e Maria Cristina F. de Castro. PUCRS - FENG - DEE - estrado e Egehara Elétrca Redes Neuras Artfcas Ferado César C. de Castro e ara Crsta F. de Castro Capítulo 6 Redes Neuras Artfcas para Decoposção de u Espaço Vetoral e Sub-Espaços

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

Programação Paralela

Programação Paralela rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS.

AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. Rogéro Bouer Brazla Isttute for Appled Ecooc Research Catholc Uverst

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,

Leia mais

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30

Vitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30 Motvção: O prole d det Itrodução os Sstes Leres U pesso e det ecesst dgerr drete s segutes qutddes de vts: g de vt A 6 g de vt B 4 g de vt C El deve suprr sus ecessddes prtr do cosuo de três letos dferetes

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC

SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC Aas do XXXIV COBENGE. Passo Fudo: Ed. Uversdade de Passo Fudo Setebro de 006. ISBN 85-755-7- SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC José Slvéro Edudo Gerao - slvero@ta.br ITA Isttuto Tecológco

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. .pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas. Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

DINÂMICA VIBRAÇÕES DE SISTEMAS COM 1 GRAU DE LIBERDADE. António Araújo Correia

DINÂMICA VIBRAÇÕES DE SISTEMAS COM 1 GRAU DE LIBERDADE. António Araújo Correia DINÂMICA VIBRAÇÕES DE SISTEMAS COM GRAU DE IBERDADE Atóo Araújo Correa Jaero de 007 VIBRAÇÕES DE SISTEMAS COM GRAU DE IBERDADE. INTRODUÇÃO Esta publcação desta-se ao apoo das aulas da dscpla seestral de

Leia mais

Consideremos a fórmula que nos dá a área de um triângulo: = 2

Consideremos a fórmula que nos dá a área de um triângulo: = 2 6. Cálculo Derecal e IR 6.. Fução Real de Varáves Reas Cosdereos a órula que os dá a área de u trâulo: b h A( b h) Coo podeos vercar a área de u trâulo depede de duas varáves: base (b) e altura (h) Podeos

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

Leia mais

Introdução à Decomposição de Dantzig Wolfe

Introdução à Decomposição de Dantzig Wolfe Itrodução à Deoposção de Datzg Wolfe PNV-5765 Probleas de Prograação Mateáta Aplados ao Plaeaeto de Ssteas de Trasportes Maríto Prof. Dr. Adré Bergste Medes Bblografa Utlzada WILLIAMS, H.P. The forulato

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação:

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação: Relações de Recorrêcas - Notas de aula de CAP Prof. José Carlos Becceer. Ao 6. Ua Relação de Recorrêca ou Equação de Recorrêca defe ua fução por eo de ua epressão que clu ua ou as stâcas (eores) dela esa.

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

Leia mais

MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO

MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO Leonardo Junquera Renaldo Morabto Dense Sato Yaashta Departaento de Engenhara de

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

MEDIÇÃO DA ACELERAÇÃO DA GRAVIDADE COM UM PÊNDULO SIMPLES

MEDIÇÃO DA ACELERAÇÃO DA GRAVIDADE COM UM PÊNDULO SIMPLES Medção da Aceleração da Gravdade co u Pêndulo Sples MEDIÇÃO DA ACEERAÇÃO DA GRAVIDADE COM UM PÊNDUO SIMPES O Relatóro deste trabalho consste no preenchento dos espaços neste texto Fundaento Teórco O pêndulo

Leia mais

Síntese de Transformadores de Quarto de Onda

Síntese de Transformadores de Quarto de Onda . Sítese de rasforadores de Quarto de Oda. Itrodução rasforadores de guia de oda são aplaete epregados o projeto de copoetes e oda guiada e são ecotrados e praticaete todas as cadeias alietadoras de ateas

Leia mais

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.

JUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros. JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Endereço. Dados. Mem Read Mem select

Endereço. Dados. Mem Read Mem select Parte IV Sistea de Meória Os sisteas de coputação utiliza vários tipos de dispositivos para arazeaeto de dados e de istruções. Os dispositivos de arazeaeto cosiste e eória pricipal e eória secudária. A

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Amostragem por Grupos

Amostragem por Grupos Aostrage or Gruos a aostrage or gruos as udades estatístcas são agruadas, de acordo co algu crtéro. É abtual desgar cada gruo de eleetos dsjutos or udade rára, sedo os eleetos ue coõe cada udade rára desgados

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II) Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Optimização e controlo da poluição atmosférica

Optimização e controlo da poluição atmosférica Optmzação e cotrolo da polução atmosférca A. Ismael F. Vaz e Eugéo C. Ferrera Departameto de Produção e Sstemas, Escola de Egehara, Uversdade do Mho Emal: avaz@dps.umho.pt Cetro de Egehara Bológca, Escola

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais