Algoritmos Genéticos para Programação da Produção em Refinarias de Petróleo
|
|
- Neuza Carneiro Bergmann
- 7 Há anos
- Visualizações:
Transcrição
1 Algormos Genécos para Programação da Produção em Refnaras de Peróleo Marco Aurélo Cavalcan Pacheco, Sílvo Hamacher 2, Mayron Rodrgues de Almeda 2 ICA - Laboraóro de Inelgênca Compuaconal Aplcada Deparameno de Engenhara Elérca Ponfíca Unversdade Caólca do Ro de Janero Rua Marquês de São Vcene, 225, Gávea, Ro de Janero, RJ, Brasl, Marco@ele.puc-ro.br 2 Deparameno de Engenhara Indusral Ponfíca Unversdade Caólca do Ro de Janero Rua Marquês de São Vcene, 225, Gávea, Ro de Janero, RJ, Brasl, Mayron@rdc.puc-ro.br Resumo. Ese argo descreve um problema práco de programação da produção de óleos combusíves e asfalo em refnaras de peróleo analsado e resolvdo por [8] ulzando programação maemáca e propõe uma solução ulzando algormos genécos para omzar objevos envolvendo as eapas de produção, esocagem e dsrbução. Fnalmene, os resulados expermenas são mosrados buscando-se analsar o desempenho do algormo genéco proposo, mosrando que a abordagem ulzada alcança resulados sasfaóros para a maora dos objevos proposos.. Inrodução Problemas prácos de schedulng são numerosos e varados. Muos deles parlham duas caraceríscas mporanes eles são dfíces de resolver e quando boas soluções são enconradas elas razem benefícos alamene angíves. Iso em levado pesqusadores a buscar novas écncas nos campos da Inelgênca Arfcal e na Pesqusa Operaconal, as quas produzem resulados aproxmados para uma classe geral de problemas ou soluções exaas para problemas específcos. [2] O objevo comum de oda refnara de peróleo resume-se normalmene a assocar segurança e qualdade de seus produos à lucravdade do processo ou à mnmzação dos cusos, o que deve ser obdo pelo gerencameno ómo dos recursos ora dsponíves segundo um planejameno prevamene elaborado. Nese sendo, o emprego de recursos compuaconas dreconados a avdades como logísca de dsrbução, plannng e schedulng em refnaras de peróleo em esado presene denro do conexo da programação e conrole da produção desde a década de 50 com a ulzação da programação lnear, a qual permanece aé os das auas como a esruura de programação maemáca mas empregada para modelagem dese po de plana químca, embora a mesma possua lmações [8].Por esa razão, alguns exos [3,4,5,6,7] ressalam a mporânca da ulzação de algormos genécos como uma ferramena para a omzação em problemas de schedulng. Ese rabalho em como objevo prncpal desenvolver um méodo de solução baseado em Algormos Genécos (GA) para omzar a programação da Produção de Óleos Combusíves e Asfalo na REVAP (Refnara do Vale do Paraíba). 2. Defnção do Problema O problema de schedulng relavo à produção de óleos combusíves e asfalo na REVAP consu-se de um problema real baseado em uma plana mulproduo, com uma máquna (msurador) e com resrção de recursos operando em regme conínuo. A plana é composa de uma undade de desasfalação (UDASF), uma undade de
2 craqueameno caalíco (UFCC), dos anques de armazenameno para dluenes (TK-4222 e TK-42208), qunze anques de armazenameno para produos fnas (óleo combusíves e asfalo), quaro ermnas de cargas para camnhões-anque, dos oleoduos para ranspore de produos fnas aos cenros consumdores e conexões enre eses elemenos do ssema, como represenado na Fgura. Durane o horzone de schedulng, resíduo asfálco (RASF) é produzdo connuamene pela undade de desasfalação. Ese RASF é enão dluído com óleo decanado (OCC) e/ou lgh cockng ol (LCO) para se produzr quaro especfcações de óleos combusíves (OC, OC2, OC3 E OC4), dluído exclusvamene em LCO para se produzr óleos combusíves ulravscosos (UVO e UVO2) ou enão dluído com gasóleo pesado (HG) para produção de asfalo (CAP-07 e CAP20). O RASF puro não ulzado na produção deses produos é desvado para o consumo da própra refnara em seu anel de óleo combusível desnada para geração de energa érmca nas undade de deslação. Assm como o RASF, odos os dluenes são produzdos em regme conínuo pela refnara sendo que a produção de OCC e HG é neramene ulzada para suprr as necessdades do ssema em consderação. A correne de OCC, que é produzda pela UFCC, pode ser dreconada à esocagem no anque TK-42208, ou ulzada dreamene para dlução. A correne de LCO, que ambém é produzda pela UFCC, pode ser dreconada para o anque TK-42308, dreamene para a dlução quando se deseja produzr óleos ulravscosos ou dreconada para a produção de óleo desel. OCC e LCO podem ser armazenados no mesmo anque pos eles possuem a mesma vscosdade. Na realdade não exse uma pré-alocação enre os anques de armazenameno de óleos combusíves embora so seja desejável, pos eva evenuas correções na vscosdade da msura fnal devdo a presença de produos resduas. Por sso, para a solução dese problema mporemos a préva alocação dos anques. As segunes resrções devem ser consderadas nese problema: Somene um produo deve ser feo a cada nervalo de empo; Todos os anques em consderação não devem sofrer carga e descarga smulaneamene, com exceção do anque TK-4222, o qual recebe carga de HG connuamene; A produção deve ser connua, pos exse uma carga mínma de RASF que deve ser envada ao msurador; Um anque não deve aender a dferenes locas de demanda no mesmo nervalo de empo; A demanda deve ser aendda em um horáro pré-deermnado, ou seja, não é arbuído ao programador a arefa de deermnar o melhor horáro de enrega; Exse um volume mínmo que deve permanecer nos anques de produos acabados e maéra-prma, como mosra a Tabela. Tabela - Parâmeros dos Tanques Tanques Vazão Máxma de Capacdade Mínma Capacdade Máxma Descarga (m 3 ) (m 3 ) (m 3 ) TK-4330 (OC) TK (OC) TK (OC2) TK (OC2) TK (OC3) TK (OC3) TK (OC4) TK-443 (UVO) TK-444 (UVO) TK-44 (UVO2) TK-442 (UVO2) TK-4408 (CAP-07) TK-440 (CAP-20) TK-445 (CAP-20) TK-446 (CAP-20) TK-4222 (HG) TK (OCC + LCO) As especfcações de óleos combusíves dferem-se, nese problema, apenas pela vscosdade.
3 Fgura - Esquema da Produção de Óleos Combusíves e Asfalo na REVAP Enão, dado que exse volume ncal no anques de armazenagem de maéra-prma, um volume ncal nos anque de armazenagem de produos fnas e uma demanda que deve ser reunda período a período em um horzone de schedulng. O problema resume-se a programar a seqüênca e o volume de produção, os anques que recebem a carga de produção, os anques que aendem a demanda e a proporção de maéra-prma ulzadas na produção para que os produos anjam os níves de qualdade especfcados.
4 Como veremos na próxma seção, o GA decdrá somene a seqüênca de produção. As demas decsões serão omadas segundo um conjuno de regras, como por exemplo, carregar o anque que esá mas cheo e descarregar o que esá mas vazo; se eles esverem apos ao carregameno e descarregameno. 3. Algormo Genéco Proposo Nesa seção apresenaremos o algormo genécos usado nese esudo. Mosraremos o componenes mas mporanes nese GA: a) a codfcação e a represenação; b) Méodo de geração da população ncal; c) Avalação; d) Operadores de crossover e muação e e) Méodo para agregação de mul-objevos. 3.. Codfcação A programação da produção para o problema proposo é de 7 das, dvddos em nervalo de hora. Iso sgnfca que o cromossoma proposo erá 68 genes. O cromossoma é consruído a parr da soma da demanda de cada produo, sempre procurando-se produzr o máxmo de cada produo em cada nervalo de empo respeando as lmações dos recursos e do msurador. Como exemplo lusravo, ulzaremos os dados da Tabela 2. Tabela 2 - Exemplo lusravo para codfcação do cromossoma Produo Produção Máxma (m 3 /hora) Produção Mínma (m 3 /hora) Demanda (m 3 ) OC OC OC OC UVO UVO CAP CAP Codfcando cada produo como um número nero e arbundo a eles o volume máxmo de produção aé que a demanda em sdo sasfea, em-se o segune cromossoma: Tabela 3 - Codfcação ncal {;200} {;200} {;00} {2;200} {2;200} {2;200} {3;200} {3;200} {4;200} {4;50} {5;00} {5;00} {5;00} {5;00} {5;00} {5;00} {6;50} {6;50} {6;50} {6;50} {6;50} {6;50} {7;50} {7;50} {7;50} {7;50} {7;50} {7;50} {7;50} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;25} Onde, os produos e o volume de produção são represenados pelo prmero e pelo segundo elemeno da lsa, respecvamene. Ou seja: {produo ; volume }. {produo ; volume }. {produo 2 ; volume 2 }.... {produo ; volume } Vamos supor, por exemplo que o horzone de programação fosse o veor da Tabela 2. Como exsem váras posções vazas represenando que nenhum produo esá sendo produzdo e so não é possível, deve-se complear eses espaços para que a solução seja facível. O procedmeno proposo é o segune: ) Escolher aleaoramene uma posção do cromossoma; 2) Verfcar se esá produzndo mas que 2 vezes o seu mínmo, caso conráro vola ao passo ; 3) Preencher o prmero espaço vazo com o mínmo para o produo soreado e dmnur do soreado o mínmo de produção; 4) Vola para o prmero passo aé complear o cromossoma.
5 Supondo que os segunes números foram soreados: {2; 2; 2; 5; 8; 20; 5; 5; ; ; ; 4; 6; 4; 38; 28; 7; 7; 7; }. Segundo os passos acma mona-se o cromossoma mosrado na Tabela 4. Verfque, que os números em desaque são os que não obedece a regra número 2 acma. Tabela 4 - Codfcação Fnal {;80} {;80} {;00} {2;40} {2;200} {2;40} {3;200} {3;200} {4;200} {4;50} {5;70} {5;00} {5;00} {5;00} {5;40} {5;00} {6;50} {6;00} {6;50} {6;00} {6;50} {6;50} {7;50} {7;50} {7;50} {7;50} {7;50} {7;30} {7;50} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;75} {8;35} {8;75} {8;75} {8;25} {;60} {;60} {5;30} {6;50} {6;50} {5;30} {;60} {;60} {2;60} {2;60} {8;30} {7;20} {6;50} {6;50} {5;30} 3.2. Represenação A codfcação mosrada na Tabela 4 permanece nalerada durane odo processo evoluvo 2, ou seja, o amanho dos loes de produção fcam nalerados; modfcando-se apenas a sequênca de produção. Enão, podemos represenar cada gene do cromossoma como uma únca arefa, como mosra a Tabela 5. Esa represenação faclará a geração da população ncal e o operador de crossover. Tabela 5 - Represenação da Tarefas Méodo de Geração da População Incal A população é ncalzada a parr da Tabela 5 gerando-se seqüêncas aleaóras sem repeção de arefas, como mosra a Tabela 6. Pode-se, desa forma, garanr que sempre esaremos gerando ndvíduos facíves nenhum dos ndvíduos acarreará produção além da demanda pos o amanho do loe de produção não é alerado. Tabela 6 Indvíduo gerado aleaoramene Avalação A função de avalação usada pelo GA é uma função mul-objevos que envolve: a) capacdade de aender a demanda; onde: P oleoduos + camnhões-anque; H Horzone de schedulng; D(, j) Demanda(m 3 ) não aendda. b) alocar a produção nos anques; P H penaldade = D(, j). () = j= 2 Como as quandades (m 3 ) presenes nese cromossoma nunca rão se alerar durane o processo evoluvo. Iso lma a auação do GA, odava sempre garane uma solução facível.
6 onde: H penaldade = V ( j). (2) j= V p ( j ) Volume produzdo no nervalo j que não pode ser alocado a nenhum anque c) dsponbldade de recursos (maéra-prma); onde: H p penaldade = V ( j). (3) V p ( j ) Volume produzdo no nervalo j que não em maéra-prma dsponível d) nível de esoque; onde: Esoque V(, j) Volume nos anque no período j N Número de anques H Horzone de schedulng e) número de rocas de produção. j= p V (, j) N H _ médo =. (4) = j= H N Represena o número de varações do produo que esá sendo produzdo em períodos consecuvos, so é, cada mudança na produção de um produo para ouro represena uma roca. Como exemplo, suponha o segune ndvíduo: {;00} {;00} {2;00} {3;00} {3;00} {8;75} {8;75} {8;75} {8;75} {7;50} Observe que da posção 2 para 3, 3 para 4, 5 para 6 e 9 para 0, houve mudança de produção. Para ese caso vemos, enão, 4 rocas. A forma mas usual e drea é smplesmene somar os objevos em uma função, como mosra a equação (5). Enreano, sabe-se que na maora dos casos esá écnca não fornece bons resulados, por sso mosraremos em 3.7 uma oura forma de agregar os objevos. F = C Penaldades + C Esoque médo + C Número _ de _ Trocas. (5) Onde: C (=,2,3),C 4 e C 5 são consanes 4 _ Crossover O operador escolhdo fo o crossover unforme baseado em ordem, pos ele nroduz maor varabldade a solução e garane a presença de soluções facíves durane oda a evolução. Ese crossover gera um padrão bnáro aleaóro do mesmo comprmeno que os genores (P e P2); preenche o descendene F copando o genor P nas posções em que o padrão é gual a ; faz uma lsa dos elemenos de P assocados os bs 0 do padrão; permua eses elemenos de modo que eles apareçam na mesma ordem que eles aparecem em P2; preenche as lacunas de F com os elemenos ordenados no passo aneror. Para preencher o descendene F2 o operador copa o genor P2 nas posções em que o padrão é 0 e enão repee os mesmos procedmenos. Como exemplo consdere os dos genores abaxo: P P Padrão F F Elemenos de P assocados a 0 : { ; 4 ; 7 ; 8} Ordenados segundo P2 : {8 ; 4 ; 7 ; }
7 Elemenos de P2 assocados a : {6 ; 4 ; 7 ; 5} Ordenados segundo P : {4 ; 5 ; 6 ; 7} F F Muação Ulzamos nese problema a muação por embaralhameno. Tomando como exemplo o descendene (F) gerado anerormene. Verfca-se se o ndvíduo sofrerá muação, em caso posvo, selecona-se aleaoramene uma sub-lsa do cromossoma, por exemplo: F Embaralha-se esa sub-lsa e o cromossoma orna-se: F Méodo de Mnmzação de Energa O méodo de mnmzação de energa [] busca resolver a prncpal nconvenênca da écnca de agregação escalar, o qual é a escolha dos pesos assocado a cada objevo. O méodo, descro a segur, é projeado para ser usado denro de um algormo genéco. Sua propredade fundamenal é dnamcamene adapar os pesos aravés de um processo evoluconáro al que as prordades são consanemene aleradas para os objevos menos sasfeos pela população em geral. A função objevo agregada proposa em [] é represenada pela segune equação: onde: p é uma consane p p F = W e ; p e corresponde ao erro relavo da avalação da solução para o objevo W é o peso correspondene para o objevo. (6) Baseado na adapação dos pesos usado em back-propagaon de redes neuras arfcas [], a segune fórmula fo proposa para redefnr o valor dos pesos: ( ) e W, + = k W, + k 2 α, α. (7) Esa equação usa um índce adconal, que específca uma geração do algormo genéco. Enão, W,+ é o peso assocado com o objevo para a geração segune e ela é baseado no peso aual W, e na medda de erro e,. O algormo é ncalzado pela escolha do valor ncal para os pesos (W,0 ) pelo usuáro. A soma dos pesos é: Onde: n é o número de objevos. n Sw o = W = Fnalmene, podemos deermnar os valores para k e k 2., 0. (8)
8 S = S w, k. (9) ; w, k S S w, 2 =. (0) e, onde: S w, k3 S e, =. () ; O cálculo do erro proposo em [] é: Sw n 0 k 3 =. (2) ; S e, = e,. (3) Se0 = e bes f =. (4) bes avg Onde bes corresponde ao melhor ndvíduo enconrado para o objevo ; avg corresponde a méda de oda a população para o objevo. Segundo [] esabelecendo uma analoga hopfeld neural neworks, a energa do ssema é defnda como: E = n W = 2. (5) Nese rabalho fez-se necessáro a mudança na equação (4) pos o pono ómo (bes =0) é conhecdo para os objevos das equações (), (2) e (3) e a méda da solução ambém pode ser gual a 0 para a equação (6). Desde modo o GA alcança melhores resulados, pos em alguns casos exse convergênca de odos os ndvíduos da população para um pono onde bes 0. Onde: C é uma consane defnda pelo usuáro. f e = ; C > 0 (6) avg + C Para o objevo de mnmzar as rocas de produção, nroduzu-se um novo ermo, que alera o valor do melhor ndvíduo com o avanço das gerações, como mosra a equação (7). Iso perme, mesmo havendo convergênca de odos os ndvíduos para um mesmo valor, exsa uma pressão na busca de um resulado anda melhor. Onde: represena a geração 4. Resulados C é uma consane defnda pelo usuáro. e bes f C bes avg C =. (7) Para análse dos resulados obdos pelo GA, foram ulzados os dados da Tabela 7 e Tabela 8 como condções ncas do problema e na Tabela 9 são apresenados os parâmeros do GA. Deve-se salenar que eses dados foram alerados para nroduzr mas dfculdade ao problema com a fnaldade de esar o desempenho do algormo. Os dados relavo a demanda esão com valores acma dos valores reas 3. Os dados dos anques de armazenameno de produos fnas e maéra-prma esão com valores muo nferores, so é, nos dados reas os anques esão operando quase sempre no lme máxmo dos anques, enquano nese exemplo esaremos rabalhando pero do lme mínmo referene ao volume nos anques. O propóso de se começar com os anques com volume próxmos aos seus valores mínmos de operação é magnar que ese programa já esando em 3 Para aender ese volume de demanda são necessáras 59 horas de produção máxma.
9 operação, esara gradavamene dmnundo o volume em esoque nos anques para aender os objevo de mnmzar os esoques. Tabela 7 - Condção Incal dos Tanques Tanques Volume Incal (m 3 ) Tanques Volume Incal (m 3 ) TK-4330 (OC) 300 TK-44 (UVO2) 000 TK (OC) 2000 TK-442 (UVO2) 600 TK (OC2) 300 TK-4408 (CAP-07) 000 TK (OC2) 2000 TK-440 (CAP-20) 600 TK (OC3) 300 TK-445 (CAP-20) 000 TK (OC3) 2000 TK-446 (CAP-20) 600 TK (OC4) 300 TK-4222 (HG) 2200 TK-443 (UVO) 000 TK (OCC + LCO) 2200 TK-444 (UVO) 600 Tabela 8 - Toal de Demanda Produos OC OC2 OC3 OC4 UVO UVO2 CAP-07 CAP-20 Demanda Toal (m 3 ) Tabela 9 - Parâmeros do Algormo Genéco Tamanho da População 00 Número de Gerações 50 Taxa de Crossover 0,80 Taxa de Muação 0,30 Normalzação lnear SIM Elsmo SIM Elmnação de duplcaas SIM Seady Sae SIM GAP 0,3 Seleção dos Genores Rolea Inervalo de aualzação dos pesos 3 Gerações Número de Expermenos 5 A Fgura 2, Fgura 3, Fgura 4, Fgura 5 e Fgura 7 mosram os resulados obdos para cada objevo e a Fgura 6 mosra a energa do ssema após as 50 gerações em 5 expermenos. Como era esperado, não houve nenhuma penaldade na carga dos anques, pos como eses esão rabalhando com volume pero dos valores mínmos, exse baxa probabldade que um anque não eseja apo a receber um loe de produção. Mesmo que na méda dos expermenos 4, os objevos apresenados na Fgura 3 e Fgura 4 não angram a mea esperada (penaldade gual a zero), a redução das penaldades mosrou-se sasfaóra, apresenando melhora de ~ 98 % e ~ 76 %, respecvamene. O objevo apresenado na Fgura 5, mosra um desempenho consderado decepconane (mesmo alcançando um melhora de ~ 4%), pos esperava-se consegur valores nferores a 60 rocas durane o horzone de programação. Pode-se arbur a ese fao duas razões: A mnmzação do número de rocas concorre dreamene com a mnmzação do volume médo em esoque e o exemplo ulzado esá com valores de condções ncas nos anques e de demanda superores à valores reas do problema. Mesmo com a ulzação de Seady Sae e consequenemene elsmo, a avalação normalzada do melhor ndvíduo de uma geração pode ser por que a do melhor ndvíduo em gerações anerores, como mosra a Fgura 8. Iso deve-se, ao fao de que a avalação de um ndvíduo depende da méda do resane da população. Suponha, por exemplo, a segune avalação dos ndvíduos de uma população em um geração -: A avalação normalzada pela méda: [ ] 4 Em alguns expermenos o algormo angu o pono ómo esperado (penaldades para os objevos de aendmeno da demanda e ulzação da maéra-prma guas a zero).
10 Supondo que na geração, enhamos: A avalação normalzada pela méda: [0,626 0,806,074,343,64 0,985] [ ] [ ] Porano, apesar da avalação do melhor ndvíduo da geração ser melhor que a do melhor na geração -, sua avalação normalzada pode não ser. Fgura 2 Volume médo em relação ao melhor ndvíduo de cada geração em 5 expermenos Fgura 3 Não aendmeno da demanda em relação ao melhor ndvíduo de cada geração em 5 expermenos Fgura 4 Ulzação da maéra-prma em relação ao melhor ndvíduo de cada geração em 5 expermenos Fgura 5 - Número de rocas em relação ao melhor ndvíduo de cada geração em 5 expermenos
11 Fgura 6 Energa do Ssema Fgura 7 - Carga dos anques em relação ao melhor ndvíduo de cada geração em 5 expermenos Fgura 8 - Avalação Normalzada do Melhor Indíduo de cada geração em 5 expermenos 5. Conclusões Após a análse dos resulados, pode-se conclur que a abordagem ulzada ange excelene desempenho muas vezes angndo o nível ómo para os objevos que envolvem penaldades (ulzação da maéra-prma, carga e descarga nos anques); desempenho sasfaóro para a mnmzação do esoque médo e um fraco desempenho em relação a mnmzação das rocas de produos em produção. Uma solução para melhorar o desempenho em relação ao úlmo objevo cado sera operar com esoque de segurança 5 maor, já que so nserra uma folga no aendmeno da demanda. A mplemenação e ulzação no fnal da evolução do crossover de um e/ou dos ponos (endem a preservar bons padrões nos cromossomas), podera fornecer melhores resulados. A mplemenação do méodo de mnmzação de energa aumenou a capacdade do GA de enconrar soluções melhores, pos a aualzação dos pesos é alerada conforme a evolução de cada objevo. Referêncas Bblográfcas [] Jonahan, M., Zebulum, R. S., Pacheco, M. A., Vellasco, M. (999). Mulobjecve Opmzaon Technques: A Sudy of Energy Mnmzaon Mehod and Is Applcaon o The Sysnhess of Oa Amplfers. 5 Esoque mínmo (m 3 /produo) no níco e no fnal do horzone de programação.
12 [2] HUSBANDS, P. & MILL, F., (996), Schedulng Wh Genec Algorhms. AISB Quaerly, n. 89. [3] SIKORA, R. (996). A Genec Algorm for negranng lo-szng and sequencng n Schedulng a Capacaed Flow Lne. Compuers Ind. Engng, Vol. 30, No. 4, pp [4] Bagch, S., Uckun, S., Myabe, Y., Kawamura, K (99). Explorng problem-specfc recombnaon operaors for job shop schedulng. Proceedngs of he Fouh Inernaonal Conference on Genec Algorhms, 0-7. [5] Cleveland, G. A., Smh, S. F. (989). Usng genec algohms o schedule flow shop releases. In Schaffer, J. D. (Ed.), Proceedngs of he Thrd Inernaonal Conference on Genec Algorhms, (pp ). San Maeo, CA:Morgan Kaufmann. [6] Davs, L. (985). Job shop schedulng wh genec algorhms. In Grefensee, J. J. (Ed.), Proceedngs of na Inernaonal Conference on Genec Algorhms and Ther Applcaons, (pp 36-40). Hllsdale, NJ:Lawrence Erlbaum Assocaes. [7] Nakano, R., Yamada, T. (99). Convenonal genec algorhm for job shop problems. In Belew, R. K., Booker, L. B. (Eds.), Proceedngs of he Fouh Inernaonal Conference on Genec Algorhms, (pp ). San Maeo, CA: Morgan Kaufmann. [8] Joly, M. (999). Técncas de Omzação Msa-Inera para o Schedulng e Gerencameno da Produção em Refnaras de Peróleo, Dsseração de Mesrado, Escola Polécnca da Unversdade de São Paulo, São Paulo.
Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos
Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara
Leia maisCAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA
CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação
Leia maisTÉCNICAS DE OTIMIZAÇÃO DE PROBLEMAS COM MÚLTIPLOS OBJETIVOS UM ESTUDO SOBRE O MÉTODO DE MINIMIZAÇÃO DE ENERGIA E SUAS VARIANTES
TÉCNICA DE OTIMIZAÇÃO DE PROBLEMA COM MÚLTIPLO OBJETIVO UM ETUDO OBRE O MÉTODO DE MINIMIZAÇÃO DE ENERGIA E UA VARIANTE Mlon Jonahan Marco Aurélo Cavalcane Pacheco ICA: Núcleo de Pesqusa em Inelgênca Compuaconal
Leia mais5 Avaliação da Eficiência Computacional
5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual
Leia mais2. FUNDAMENTOS DE CORRENTE ALTERNADA
Fundamenos de CA 14. FUNDAENTOS DE CORRENTE ALTERNADA Aé o momeno nos preocupamos somene com ensões e correnes conínuas, ou seja, aquelas que possuem módulo e sendo consanes no empo, conforme exemplos
Leia maisPROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU
1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em
Leia maisPCA e IMPCA. Capítulo. 5.1 Considerações Iniciais
Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,
Leia maisAGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES
AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:
Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada
Leia maisMECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos
MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação
Leia maisMódulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)
Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca
Leia mais5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)
5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes
Leia maisSolução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)
Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas
Leia mais5 Programação Matemática Princípios Básicos
5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões,
Leia maisNeo-fisherianos e teoria fiscal do nível de preços
Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos
Leia maisCAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton
9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade
Leia maisNota Técnica sobre a Circular nº 2.972, de 23 de março de 2000
Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.
Leia maisCONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO
CEPEL Cenro de Pesqusas de Energa Elérca Projeo DESSEM Relaóro Técnco: CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO ÍNDICE 1. INTRODUÇÃO... 3 2. O
Leia maisLocal branching aplicado ao problema de dimensionamento de lotes
SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Daa de Depóso: Assnaura: Local branchng aplcado ao problema de dmensonameno de loes Renao Andrade de Pava Orenadora: Franklna Mara Bragon de Toledo Dsseração apresenada
Leia maisConceitos Básicos de Circuitos Elétricos
onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o
Leia maisCAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n
1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..
Leia mais. Para cada conexão i é atribuído um peso φ
Escalonador WF 2 Q O escalonador WF 2 Q [3] é uma aproxmação baseada em pacoes do GP, que em por obevo emular ese escalonador fluído o mas próxmo possível De acordo com Groux e Gan [1], o escalonador WF
Leia maisIntrodução à Computação Gráfica
Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas
Leia maisProjeto de Inversores e Conversores CC-CC
eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power
Leia maisdefi departamento de física
def deparameno de físca Laboraóros de Físca www.def.sep.pp.p Equações de Fresnel Insuo Superor de Engenhara do Poro Deparameno de Físca Rua Dr. Anóno Bernardno de Almeda, 431 400-07 Poro. Tel. 8 340 500.
Leia mais5 Sistemas Lineares com Coecientes Periódicos
5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que
Leia mais5 Apreçamento de ESOs com preço de exercício fixo
5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do
Leia maisAprendizagem Estatística de Dados. Francisco Carvalho
Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p
Leia mais4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia
61 4 Premssas quano aos Modelos de Despacho de Geração, Formação do Preço da Energa e Comercalzação de Energa 4.1. Inrodução A remuneração de uma geradora depende do modelo de despacho de geração e formação
Leia mais2 Programação Matemática Princípios Básicos
Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever
Leia maisHEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE
Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual
Leia maisParte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando
Pare Objevo: esudar o deslocameno de um corpo quando esa rolando 1 Coneúdo programáco: 6. Movmeno de Roação Varáves da roação, Relação enre Cnemáca Lnear e Cnemáca Angular, Energa cnéca de roação, nérca
Leia maisDíodo: Regime Dinâmico
Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
MÉTODO DE DECOMPOSIÇÃO DE BENDERS APLICADO A PROBLEMAS DE SEQÜENCIAMENTO: ESTUDO DO PARÂMETRO M Rcardo S. de Camargo rcamargo@dep.ufmg.br Deparameno de Engenhara de Produção Unversdade Federal de Mnas
Leia maisLISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA
LISTA DE EXERCÍCIOS DE RECUPERAÇÃO º TRIMESTRE MATEMÁTICA ALUNO(a): Nº: SÉRIE: ª TURMA: UNIDADE: VV JC JP PC DATA: / /07 Obs.: Esa lsa deve ser enregue resolvda no da da prova de recuperação. Valor: 5,0
Leia maisF-128 Física Geral I. Aula exploratória-10a UNICAMP IFGW
F-8 Físca Geral I Aula exploraóra-a UNICAMP IFGW username@f.uncamp.br Varáves roaconas Cada pono do corpo rígdo execua um movmeno crcular de rao r em orno do exo. Fgura: s=r Deslocameno angular: em radanos
Leia maisTratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12
Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane
Leia maisErlon Cristian Finardi UFSC
GOP/015 1 a 6 de Ouubro de 001 Campnas - São Paulo - Brasl GRUPO IX GRUPO DE ESTUDOS DE OPERAÇÃO DE SISTEMAS ELÉTRICOS COMISSIONAMENTO DE UNIDADES HIDRÁULICAS NO PROBLEMA DA PROGRAMAÇÃO ENERGÉTICA ξ Edson
Leia maisPropagação de dano no modelo de Ising unidimensional
Capíulo 4 Propagação de dano no modelo de Isng undmensonal 4. Propagação de dano O méodo da propagação de dano é uma écnca relavamene nova, nroduzda por Kauffman 68 no conexo dos auômaos celulares, que
Leia maisControle Cinemático de Robôs Manipuladores
Conrole Cnemáco de Robôs Manpuladores Funconameno Básco pos de rajeóra rajeóras Pono a Pono rajeóras Coordenadas ou Isócronas rajeóras Conínuas Geração de rajeóras Caresanas Inerpolação de rajeóras Inerpoladores
Leia maisEN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de
Leia mais3. Modelos de Otimização no Contexto do Planejamento do Despacho Hidrotérmico
. Modelos de Omzação no Coneo do Planeameno do Despacho Hdroérmco Embora o foco desa Tese esea no desenvolvmeno de um modelo probablísco alernavo para a geração de árvores de cenáros ulzadas em modelos
Leia maistmax tmin tmax A seguir, com base nas equações apresentadas, uma nova abordagem para o cálculo do ponto de pedido será formulada.
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 003, Naal-RN PONTO DE PEDIDO BASEADO EM PREVISÕES Eduardo Saggoro Garca Unversdade Federal do Ro de Janero UFRJ edsg@ufr.br Vrgílo José
Leia maisCAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS
Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves
Leia maisOlinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral
XVIII Semnáro Naconal de Dsrbução de Energa Elérca SENDI 008-06 a 10 de ouubro Olnda - Pernambuco - Brasl Gesão da Prevsão de Consumo e Energa Não Faurada Carlos Albero Fróes Lma Marley Apolnáro Sarava
Leia mais2 Sistemas de Reconhecimento de Voz
2 Ssemas de Reconhecmeno de Voz O desenvolvmeno de nerfaces homem-máquna conroladas pela voz vsa subsur, em ceras aplcações, as nerfaces radconas as como eclados, panés e dsposvos smlares. Nese cenáro
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP PROCESSO
Leia maisEsta monografia é dedicada a Letícia e aos meus pais, João e Adelangela
Esa monografa é dedcada a Leíca e aos meus pas, João e Adelangela Agradecmenos Gosara de agradecer ao Prof. Vrgílo, pelo apoo e orenação dados durane ese e ouros rabalhos. Agradeço ambém a meus colegas
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP SIMULAÇÃO
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia maisEstudo da temperatura da transição de Fase do modelo de potts bidimensional
Esudo da emperaura da ransção de Fase do modelo de pos bdmensonal Wharley osa Gomes 1, Sergo Murlo da Slva Braga Marns Junor 2, Fred Jorge arvalho Lma 3, Anono Soares dos Anjos Flho 4 1 Graduando em Lcencaura
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MAEMÁICA APLICADA AO PLANEJAMENO DA PRODUÇÃO E LOGÍSICA Silvio A. de Araujo Socorro Rangel saraujo@ibilce.unesp.br, socorro@ibilce.unesp.br Apoio Financeiro: PROGRAMA Inrodução 1. Modelagem maemáica: conceios
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções da luz com os obecos são dfusas L x Θ L x, Θ Ω Expressa em ermos de radosdade W/m 2 r
Leia maisOTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA
OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA FERNANDA HEMBECKER, HEITOR S. LOPES, DANIEL ROSSATO Unversdade Tecnológca Federal
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia mais2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo
2 Value-a-Rsk Anes de adenrar na seara que raa o ermo cenral dese capíulo, é neressane realzar uma cação da evolução hsórca do esudo do rsco. Joron (2003, p. 10) resume os prncpas rabalhos aravés da abela
Leia maisCapítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo
Capíulo 3 Dnâmca críca do modelo de Baxer-Wu 3.1 O Modelo O modelo de Baxer-Wu fo nroduzdo por Wood e Grffhs 56 e resolvdo exaameno no conexo de mecânca esaísca de equlíbro por R.J. Baxer e F.Y.Wu em 1973
Leia maisCEPEL. Manual de Referência do Modelo DESSEM. Versão 8.2a (GTRD)
CEPEL Manual de Referênca do Modelo DESSEM Versão 8.2a GRD Julho de 2003 CEPEL Modelo DESSEM APRESENAÇÃO Ese relaóro em o obevo de servr como referênca para o conhecmeno da esraéga de solução e funconaldades
Leia maisCOMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS
COMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS Marco Aurélo de Almeda Casro Adrano Alber de França Mendes Carnero Marnho Gomes de Andrade Deparameno de Engenhara Elérca Escola de
Leia maisALGORITMO GENÉTICO PARA RESOLVER UM PROBLEMA DE LOCALIZAÇÃO COM RESTRIÇÕES
ALGORITMO GENÉTICO PARA RESOLVER UM PROBLEMA DE LOCALIZAÇÃO COM RESTRIÇÕES Jacquelne Magalhães Rangel Cores Unversdade Esadual do Nore Flumnense (UENF) CCT LEPROD Av.Albero Lamego, 2000 Campos dos Goyacazes,
Leia maisMECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação
MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m
Leia maisCOMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES COM APOIO DE MÉTODOS DE PREVISÃO DE DEMANDA
Conrbuções da Engenhara de Produção para Melhores Prácas de Gesão e Modernzação do Brasl João Pessoa/PB, Brasl, de 03 a 06 de ouubro de 2016 COMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES
Leia maisUMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON
UMA METODOLOGIA DE PRÉ-DESPACHO AC COM BASE EM UM MODELO DE FPO NEWTON Leonardo Nepomuceno, Takaak Ohsh, Secundno Soares DENSIS-FEEC-UNICAMP Caxa Posal 6101 CEP 13081-970 - Campnas SP Resumo Ese rabalho
Leia mais3 Análise de Demanda Condicionada
3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.
Leia maisFísica I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães
Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene
Leia maisSNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GOP 21 14 a 17 Ouubro de 2007 Ro de Janero - RJ GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP MÉTODO DE PONTOS
Leia maisMODELAGEM DE ERROS EM SURTOS EM SISTEMAS DE COMUNICAÇÕES
INSTITUTO MILITAR DE ENGENHARIA MAJ MARCUS VINÍCIUS DOS SANTOS FERNANDES MODELAGEM DE ERROS EM SURTOS EM SISTEMAS DE COMUNICAÇÕES Dsseração de Mesrado apresenada ao Curso de Mesrado em Engenhara Elérca
Leia maisInstituto de Física USP. Física V Aula 30. Professora: Mazé Bechara
Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core
Leia mais3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos
3 Dados e Modelo Economérco 3.1. A amosra de funconáros públcos Os dados usados nese esudo êm como fone a Pesqusa Naconal de Amosra por Domcílo (PNAD, uma pesqusa domclar realzada anualmene no Brasl pelo
Leia maisDANIELLE MARTINS DUARTE COSTA (UNIFEI ) Gabriela Belinato (UNIFEI )
Conrbuções da Engenhara de Produção para Melhores Prácas de Gesão e Modernzação do Brasl João Pessoa/PB, Brasl, de 03 a 06 de ouubro de 206 ABORDAGEM HÍBRIDA MULTIVARIADA PARA OTIMIZAÇÃO DO CUSTO, QUALIDADE
Leia mais3 LTC Load Tap Change
54 3 LTC Load Tap Change 3. Inrodução Taps ou apes (ermo em poruguês) de ransformadores são recursos largamene uilizados na operação do sisema elérico, sejam eles de ransmissão, subransmissão e disribuição.
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia mais3 Planejamento da Operação Energética no Brasil
3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca
Leia maisCalibração Virtual de Projetores
Dsseração de Mesrado Calbração Vrual de Projeores Aluno: Orenador: Pablo Alfredo Sap Baer Paulo Cezar Pno Carvalho 9 de Seembro de Sumáro Ø Movação e descrção do problema Ø Objevo Ø Calbração da câmera
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade
Leia maisAnálise da Confiabilidade de Componentes Não Reparáveis
Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema
Leia maisOtimização da Programação Operacional de Unidades Hidrelétricas
1 Omzação da Programação Oeraconal de Undades Hdrelércas G. R. Colnago, FEM/UICAMP; P. B. Correa, FEM/UICAMP;. Ohsh FEEC/UICAMP; A. F. R. Araújo, CIn/UFPE; J.. F. Pllon FEM/UICAMP; A. G. Gomes FEM/UICAMP
Leia maisFigura 1 Uma imensa nuvem de pássaros [ red-billed queleas] retornam a seu viveiro natural ao pôr do sol, Delta do Okavango, Botswana, África
5. MÉTODO DE ENXAME DE PARTÍCULAS PARTICLE SWARM 5..Analoga Comparamenal: odos por um e um por odos 5..A Tradução Maemáca: o algormo básco 5.3.A Programação do Algormo 5.4.Eemplos Ilusravos 5. MÉTODO DE
Leia maisMulti Objective Evolutionary Algorithm Applied to the Optimal Power Flow Problem
36 IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 3, JUNE 00 Mul Objecve Evoluonary Algorhm Appled o he Opmal ower Flow roblem E. A. Amorm, S. H. M. Hashmoo, F. G. M. Lma, Member IEEE and J. R. S. Manovan,
Leia maisRODRIGO LOUREIRO PRADO ALVAREZ
RODRIGO LOUREIRO PRADO ALVAREZ OTIMIZAÇÃO DAS FORMAS DE CASCOS DE DESLOCAMENTO EM RELAÇÃO A SUA RESISTÊNCIA AO AVANÇO Dsseração apresenada à Escola Polécnca da Unversdade de São Paulo para obenção do Tíulo
Leia maisCONTRIBUIÇÕES DA HIBRIDIZAÇÃO DE UMA METAHEURÍSTICA ENXAME DE PARTÍCULAS COM UM MÉTODO DE BUSCA DIRETA
Sepember 24-28, 2012 Ro de Janero, Brazl CONTRIBUIÇÕES DA HIBRIDIZAÇÃO DE UMA METAHEURÍSTICA ENXAME DE PARTÍCULAS COM UM MÉTODO DE BUSCA DIRETA Jovana Saror de Souza Unversdade Federal Flumnense- Deparameno
Leia mais4 Sistema Inteligente de Otimização
4 Ssema Inelgene de Omzação 4.. Inrodução Nese capíulo é dealhado o ssema nelgene proposo de omzação de alernavas de desenvolvmeno de campos perolíferos, descrevendo-se a modelagem global do ssema e as
Leia mais3 Modelo de Amortecimento Direto
3 Modelo de Amorecmeno Dreo 3. Inrodução Alguns os de séres não aresenam bons resulados quando modeladas or funções uramene olnomas. As séres sazonas aresenam esse o de roblema, e denre elas, as séres
Leia maisPLANEJAMENTO DA OPERAÇÃO DE SISTEMAS TERMOELÉTRICOS UTILIZANDO ANÁLISE DE SENSIBILIDADE ASSOCIADA A PROCEDIMENTOS HEURÍSTICOS
PLANEJAMENTO DA OPERAÇÃO DE SISTEMAS TERMOELÉTRICOS UTILIZANDO ANÁLISE DE SENSIBILIDADE ASSOCIADA A PROCEDIMENTOS HEURÍSTICOS Ivo Chaves da Slva Junor TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DO
Leia maisCapítulo Cálculo com funções vetoriais
Cálculo - Capíulo 6 - Cálculo com funções veoriais - versão 0/009 Capíulo 6 - Cálculo com funções veoriais 6 - Limies 63 - Significado geomérico da derivada 6 - Derivadas 64 - Regras de derivação Uiliaremos
Leia mais2 Conceitos básicos Modelos de Markov
2 Conceos báscos O objevo dese Capíulo é abordar eorcamene os assunos que formam a base para o desenvolvmeno do modelo proposo e a descrção do modelo de Frchman, que devdo sua frequene aplcação em rabalhos
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS
1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS ANÁLISE DO CRESCIMENTO POPULACIONAL BRASILEIRO Poro Alegre 13 CÁSSIA PEREIRA DA ROSA MOSCHOUTIS
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experênca IV (aulas 06 e 07) Queda lvre 1. Obevos. Inrodução 3. Procedmeno expermenal 4. Análse de dados 5. Quesões 6. Referêncas 1. Obevos Nesa experênca esudaremos o movmeno da queda de um corpo, comparando
Leia maisPrevisão de Demandas para Controle dos Montantes de Uso do Sistema de Transmissão para Distribuidoras de Energia Elétrica
XVIII Semnáro aconal de Dsrbução de Energa Elérca SEDI 008-06 a 0 de ouubro Olnda - Pernambuco - Brasl Prevsão de Demandas para Conrole dos Monanes de Uso do Ssema de Transmssão para Dsrbudoras de Energa
Leia maisAnálise Tecno-Econômica da Correção do Perfil de Tensão de Alimentadores de Média Tensão
Análse Tecno-Econômca da Correção do Perfl de Tensão de Almenadores de Méda Tensão M. F. de Mederos Jr., DCA/UFRN, M. C. Pmenel Flho, DEE/UFRN, A. L. A. de Araújo, COSERN, J. A. N. de Olvera, DEE/UFRN
Leia mais2 Revisão Bibliográfica dos Modelos de Previsão
19 2 Revsão Bblográfca dos Modelos de Prevsão Nese capíulo, são abordados alguns modelos e conceos ulzados na leraura para realzar prevsão de carga elérca. Denre os modelos lneares exsenes, serão examnados
Leia mais3.2 Processo de Wiener
3. Proceo de Wener Proceo de Wener, ou Movmeno Brownano, é um po parcular de Proceo de Markov, muo ulzado na fíca para decrever o movmeno de uma parícula que eá ujea a um grande número de pequeno choque
Leia maisEvolução do Capital Humano nas Diferentes Regiões do Brasil
Evolução do Capal Humano nas Dferenes Regões do Brasl 99-2008 Fernando de Holanda Barbosa Flho Samuel de Abreu Pessôa Fernando A. Veloso Ibre/FGV Ibre/FGV Ibmec/RJ Resumo Ese argo nvesga a evolução do
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ LUIZ ANTONIO WANZELER DA SILVA
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ LUIZ ANTONIO WANZELER DA SILVA OTIMIZAÇÃO DE UMA CADEIA DE SUPRIMENTOS USANDO A METAHEURÍSTICA ENXAME DE PARTÍCULAS CURITIBA 2008 2 LUIZ ANTONIO WANZELER DA SILVA
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP OTIMIZAÇÃO DA
Leia maisCÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO
CÁLCULO DE ÍNDICES DE CONFIABILIDADE EM SISTEMAS DE GERAÇÃO DE ENERGIA USANDO UM ALGORITMO GENÉTICO MODIFICADO RODRIGO ALBUQUERQUE, ANSELMO RODRIGUES, MARIA G. DA SILVA. Grupo de Ssemas de Poênca, Deparameno
Leia mais2 Estabilidade de Tensão
Esabldade de Tensão. Inrodução O objevo desa seção é mosrar a possbldade de exsênca de fenômenos que se possa assemelhar a aqueles observados na operação de ssemas elércos, e assocados ao colapso de ensão.
Leia maisMonografia de Graduação
Monografa de Graduação AUTOMAÇÃO DO EBULIÔMETRO DE OTHMER MODIFICADO E SUA UTILIZAÇÃO NA DETERMINAÇÃO DE DADOS DE EQUILÍBRIO LÍQUIDO-VAPOR ELV) Ruhnéa Jéssca Alves do Nascmeno Naal, feverero de 2 - 8 -
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia mais