UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
|
|
- Maria Eduarda Aires Nobre
- 7 Há anos
- Visualizações:
Transcrição
1 XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. UMA HEURÍSTICA PARA O PROBLEMA DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO Alexandre Venturn Faccn Pacheco (UFES) alexandreventurn@gmal.com Arnaldo Cezar Texera Das Flho (UFES) arnaldocezar.engprod@gmal.com Glaydston Mattos Rbero (UFES) glaydston@terra.com.br Uma atvdade de extrema mportânca no processo de extração de petróleo é a ntervenção dos poços por meo de sondas, processo chamado de workover. As sondas são um recurso escasso e por esse motvo mutos métodos para a utlzação raconaal das mesmas vem sendo desenvolvdos. O Problema da Alocação de Sondas de Produção em Poços de Petróleo (PASPPP) consste em buscar a melhor programação das sondas dsponíves de modo a mnmzar a perda de vazão dos poços que estão à espera de manutenção. O presente estudo propõe uma solução para esse problema utlzando uma heurístca de melhora chamada de Bubble Swap. Foram estudados também novos lower bounds, usando a técnca de relaxação, para nstâncas propostas na lteratura. Testes computaconas efetuados com essas nstâncas mostram que a heurístca Bubble Swap apresenta bons resultados em um tempo computaconal baxo. Palavras-chaves: heurístca de busca local, problema de alocação, sondas de produção, petróleo
2 1 Introdução Desde a sua descoberta no século XX, o petróleo tem sdo uma das mas mportantes matéras prmas de toda e qualquer ndústra, motvo pelo qual ele exerce grande nfluênca no desenvolvmento e na economa das nações (OLIVEIRA et al, 2007). Sendo assm, muto tem sdo nvestdo no desenvolvmento de novas tecnologas para tornar a extração o mas efcaz, segura e rentável possível. Uma das maneras de se obter um melhor rendmento na exploração de jazdas de petróleo é fazer uso raconal dos recursos utlzados, prncpalmente dos mas escassos. Neste contexto estão as sondas de produção de petróleo que são equpamentos utlzados para ncar, corrgr ou termnar os trabalhos em um reservatóro. Após termnar a perfuração em um poço, para dexá-lo em condções de operar de forma segura e econômca, efetua-se um processo denomnado completação. Um processo de completação feto de forma adequada ajuda a mnmzar o número de ntervenções futuras para manutenção, processo chamado de workover. Após a completação do poço, segundo Mederos (2008), anda podem ser efetuadas ntervenções de avalação, recompletação, restauração, lmpeza, mudança de método de elevação, estmulação e abandono. Por apresentarem um custo elevado, as sondas consttuem um recurso restrto que causam perdas consderáves com a não produção de poços que estão aguardando a realzação da ntervenção solctada (OLIVEIRA et al, 2007). Por sso, o Problema da Alocação de Sondas de Produção em Poços de Petróleo (PASPPP) tem sdo muto estudado, uma vez que propõe a otmzação do uso das sondas vsando reduzr a perda de vazão dos poços. Consderando o contexto acma, o presente trabalho propõe uma heurístca de melhora para o PASPPP defndo conforme Costa & Ferrera Flho (2004; 2005), ou seja: nclu janelas de tempo de ntervenção (cada poço tem uma data mínma para níco dos trabalhos bem como uma data lmte para o térmno da ntervenção); exge que todos os poços devem ser atenddos pelas sondas somente uma vez no horzonte de planejamento estabelecdo; consdera o grupo de sondas homogêneo e que qualquer sonda pode realzar qualquer tpo de trabalho; trata como desprezível o tempo de deslocamento da sonda entre os poços. Cada poço tem assocado um valor de perda de captação que ndca o quanto aquele poço dexa de produzr em undades de volume por undade de tempo se ele não for atenddo. Dessa manera, deve-se alocar às sondas aos poços o mas breve possível para mnmzar a perda de vazão total. Além da heurístca de melhora denomnada Bubble Swap, este trabalho apresenta as soluções ótmas para uma classe de problemas até então não conhecdas, obtdas por um solver comercal. Os resultados encontrados pela heurístca de melhora foram, em alguns casos, melhores que os da lteratura. O restante do trabalho está assm organzado: na Seção 2 é feta uma breve revsão da lteratura e é apresentada a formulação matemátca proposta por Costa & Ferrera Flho (2004); na Seção 3 é explcado o funconamento da heurístca proposta e suas estruturas 2
3 prncpas; na Seção 4 são mostrados os resultados computaconas e na Seção 5 são apresentadas as conclusões e as possbldades de trabalhos futuros. 2 Revsão da lteratura e formulação matemátca O PASPPP possu uma complexdade nteressante e por sso a lteratura apresenta um conjunto varado de heurístcas e metaheurístcas para o problema. Costa & Ferrera Flho (2004; 2005), além de apresentarem um conjunto de nstâncas para o PASPPP baseado em dados reas, apresentaram duas heurístcas construtvas, denomnadas HMPT (Heurístca de Máxma Prordade Trcrtéro) e HMD (Heurístca de Montagem Dnâmca), que geram boas soluções para o PASPPP. Os resultados obtdos por Costa & Ferrera Flho (2004; 2005) vem sendo utlzados para comparação desde então. No campo das metaheurístcas, Alves & Ferrera Flho (2006) apresentaram um Algortmo Genétco para o PASPPP. Nesse algortmo, um cromossomo (solução vável para o PASPPP) é representado por um vetor de números nteros que ndcam poços que necesstam de ntervenção. A função de aptdão de um cromossomo é defnda como a perda de vazão gerada pela solução factível correspondente. Esse algortmo apresentou, em alguns casos, resultados melhores que os encontrados por Costa & Ferrera Flho (2004; 2005). Olvera et al (2007) apresentaram um Scatter Search para as nstâncas propostas por Costa & Ferrera Flho (2004; 2005). O Scatter Search é um método evoluconáro que opera com uma população de soluções e aplca procedmentos de combnação para gerar novas soluções. Os autores desenvolveram sete versões do método para o PASPPP. Costa (2005) mplementou um GRASP que não obteve um bom desempenho quando comparado aos resultados encontrados pelas duas heurístcas apresentadas em Costa & Ferrera Flho (2004; 2005). O autor atrbu este baxo desempenho ao método de busca local empregado. Exstem outros trabalhos que também utlzam metaheurístcas, mas consderam varações do PASPPP, ou seja, consderam, por exemplo, a dstânca entre os poços, o aumento da frota de sondas se necessáro e até mesmo stuações de atraso, veja Gouvêa et al (2002), Noronha et al (2001), Alose et al (2006), Trndade (2005), Neves (2007) e Neves & Och (2007) para mas detalhes. No campo dos modelos matemátcos, Costa & Ferrera Flho (2005) apresentaram um modelo de programação lnear ntera com varáves bnáras de decsão. Para estes modelos, cada poço que necessta de ntervenção tem os seguntes atrbutos assocados: perda de vazão, que mostra o quando aquele poço esta dexando de produzr, em undades de volume por undade de tempo; tempo de ntervenção, que depende apenas do tpo de trabalho a ser realzado; janela de tempo que determna o período para a ntervenção. Conforme apresentado na Seção 1, as sondas são dêntcas e qualquer uma delas pode atender a qualquer tpo de solctação. 3
4 Sendo assm, seja N { 1,2,..., n} o conjunto dos n poços que estão sujetos à ntervenção, M { 1,2,..., m} o conjunto das m sondas dsponíves, e seja T { 1,2,..., hp} o conjunto dos nstantes de tempo t no horzonte de planejamento hp. Os valores de tempos e datas são expressos em ntervalos nteros em uma undade comum que melhor se adequar ao conjunto de dados. Os parâmetros de entrada a segur são consderados conhecdos e determnístcos: P : a perda de vazão dada em m³/undade de tempo do poço ; d : a data de lberação para nco dos servços no poço ; D : a data para térmno dos servços no poço ; t : o tempo de servço no poço. A varável de decsão é x, bnára, sendo x 1 quando o poço é atenddo pela sonda k no nstante t; caso contráro, x 0. Logo, o modelo trabalha com m nhp varáves bnáras de decsão. O modelo matemátco de otmzação tem como objetvo mnmzar a perda de vazão calculando o produto da vazão perdda P pelo tempo de espera até o níco da ntervenção, ou seja, ( t t d ), sendo t o nstante da ntervenção no poço. Com sso, o modelo matemátco proposto por Costa & Ferrera Flho (2004) é apresentado a segur: v( PASPPP ) MIN (PASPPP) Sujeto a: hp n m t t d t1 1 k1 Px hp m x t1 k1 x 0 N k M; t T / D t t d n 1 (1) 1 N (2) ; (3) x 1 k M; t T (4) x x jkt' 1 N; k M; t T; t' T / t t' t t ; j N / j (5) x 0,1 N; k M; t T (6) A restrção (2) ndca que cada poço deve ser atenddo exatamente uma únca vez e por uma únca sonda. A restrção (3) refere-se a janela de tempo e garante que todo poço não pode ser atenddo por uma sonda k após o nstante D t nem antes de d. A restrção (4) garante que no nstante t, uma sonda k nca o servço em no máxmo um poço. A restrção (5) garante que quando uma sonda k nca os trabalhos no poço no nstante t, ela fca ndsponível para ncar outros trabalhos nos nstantes t compreenddos na janela de tempo t, t t em todos os outros poços j dferentes de. Conforme ndcada por Costa & Ferrera Flho (2004), a restrção (5) faz uma análse pareada ponto a ponto no espaço das varáves 4
5 x, analsa sub-planos lmtados nos exos de e t nos quas só se é permtdo a presença de um únco valor 1 nas varáves contdas nele. Por últmo, as varáves x são defndas como bnáras em (6). Costa & Ferrera Flho (2004; 2005) apresentaram nstâncas testes com 25, 50, 75, 100 e 125 poços baseadas em dados reas e vararam o número de sondas dsponíves para as ntervenções. O resultado fo à cração de um conjunto de testes que, quando submetdos a um solver comercal, mpõe mutas dfculdades ao processo de solução. Para avalar as soluções encontradas com as heurístcas de construção, Costa & Ferrera Flho (2004; 2005) utlzaram as soluções ótmas das nstâncas com 25 poços obtdas com o CPLEX 9.0. Para as demas, o CPLEX não fo capaz de resolvê-las. Sendo assm, os autores utlzaram lower bounds (LBs) smples, conforme defndo por Barnes (1977). Esses LBs foram então obtdos utlzando-se o maor valor entre B(n) e a segunte equação (BARNES, 1977): 1 LB m 1B( n) 2B(1) 2m (7) onde B(1) e B(n) representam, respectvamente, a perda total ótma com 1 e n sondas. Para o calcular B(1), Smth (1956) mostra em seu trabalho que o sequencamento ótmo para 1 sonda é obtdo quando os poços são ordenados segundo valores decrescentes de P /Δt. A esta seqüênca deu-se o nome de Ordem Natural. 3 Heurístca proposta Bubble Swap A heurístca proposta neste trabalho é consttuída de duas etapas prncpas: na prmera busca-se uma solução factível que é então melhorada na etapa segunte. Para a prmera etapa, optou-se por gerar uma solução factível através da Heurístca de Máxma Prordade Trcrtéro (HMPT), desenvolvda por Costa & Ferrera Flho (2004), utlzando um dos 3 crtéros de ordenação defndos na próxma subseção. Já a segunda etapa consste em uma heurístca de melhora, denomnada Bubble Swap (BS), que efetua trocas de poços através de duas estruturas báscas: Bubble Swap Horzontal (BSH) e Bubble Swap Vertcal-Dagonal (BSV-D). Mas abaxo é explcado o mecansmo de funconamento dessas estruturas. O pseudocódgo mostrado na Fgura 1 representa, em lnhas geras, a heurístca proposta neste trabalho. PSEUDOCÓDIGO - HEURÍSTICA PROPOSTA //Defnções e Dados de Entrada: // Z: N o máxmo de terações para o Bubble Swap // S: N o máxmo de terações para a Bubble Swap Horzontal // R: N o máxmo de terações para a Bubble Swap Vertcal-Dagonal // FO: Função objetvo como descrta na Equação (1) // FO*: Melhor função objetvo encontrada até o momento // programação*: Melhor programação encontrada até o momento //Fase I - Heurístca de Máxma Prordade Trcrtéro 1. Seleconar um crtéro; 2. [programação*, FO*] Aplcar (HMPT com o crtéro seleconado); //Fase II - Bubble Swap 3. Para z de 1 até Z Faça 4. Para s de 1 até S Faça 5. [programação, FO] Aplcar (BSH); 6. Se FO < FO* 7. FO* FO; 5
6 8. programação* programação; 9. Para r de 1 até R Faça 10. [programação, FO] Aplcar (BSV-D); 11. Se FO < FO* 12. FO* FO; 13. programação* programação; 14. Retorne FO* e programação* Fgura 1 - Pseudocódgo da heurístca proposta Uma peculardade das nstâncas geradas por Costa & Ferrera Flho (2004; 2005) é que, mesmo os autores modelando matematcamente o problema para resolver nstâncas com janelas de tempo, as nstâncas apresentadas possuem janelas de tempo que compreendem todo o horzonte de planejamento, não sendo então restrtvas. Sendo assm, como será vsto mas adante no detalhamento das duas etapas da heurístca de melhora proposta, não se leva em consderação a restrção de janelas de tempo. Fato este que não mpede a comparação com outros trabalhos uma vez que todos usaram os mesmos conjuntos de testes, veja Costa & Ferrera Flho (2004; 2005), Alves & Ferrera Flho (2006) e Olvera et al (2007). 3.1 Etapa I - programação ncal A programação ncal tem por objetvo gerar uma solução de boa qualdade para que a etapa segunte possa desenvolver a busca local em uma regão promssora do espaço de busca. Tendo em vsta a função objetvo, a solução mas ntutva sera ordenar e programar as sondas para atenderem prmero os poços com maor vazão e menor tempo de atendmento. A partr dessa déa tem-se o prmero crtéro de ordenação: ordenar os poços por ordem decrescente de vazão e montar uma programação onde os prmeros poços dessa lsta sejam os prmeros a serem atenddos. Esse crtéro também fo utlzado por Costa & Ferrera Flho (2004; 2005) junto com dos outros crtéros baseados na déa de Ordem Natural de Smth (1956). Esses dos outros crtéros são as ordenações decrescentes por P / t e P t, que completam os crtéros que são abordados para a programação ncal. Depos de ordenados de acordo com algum dos crtéros ctados, os poços são alocados à prmera sonda dsponível. A Fgura 2 apresenta o pseudocódgo de como proceder com essa organzação. Cabe ressaltar que, no presente trabalho, uma solução para o PASPPP é uma matrz em que cada lnha representa uma sonda e nas colunas têm-se, sequencalmente, os poços alocados. PSEUDOCÓDIGO - HEURÍSTICA DE MÁXIMA PRIORIDADE TRICRITÉRIO 1. Selecone um crtéro; 2. Ordene os poços de manera decrescente de acordo com o crtéro escolhdo; 3. Programação [] 3. Enquanto exstrem poços não alocados Faça; 4. Aloque o próxmo poço na prmera sonda dsponível; 5. Atualze Programação 5. FO Calcular_FO (Programação); 6. Retorne Programação e FO Fgura 2 - Pseudocódgo da HMPT proposta por Costa & Ferrera Flho (2004) 3.2 Etapa II - método de melhora da solução ncal Após a solução ncal ter sdo encontrada, nca-se o processo de melhora. Para sso fo desenvolvda a segunte estratéga: trocar dos poços de posção na programação das sondas e analsar o efeto dessa troca na função objetvo (FO). Se com a troca a nova solução apresentar uma FO melhor do que a da solução anteror, a troca é mantda; caso contráro 6
7 desfaz-se a troca e procede-se com uma nova troca. Esse processo é repetdo durante um número fnto de vezes e tem-se ao fnal a melhor solução encontrada. O processo de troca é executado como uma Bubble Sort, ou seja, como o método de ordenação da bolha muto usada para tarefas de ordenamento. Entretanto, as trocas são executadas horzontalmente na mesma sonda (Bubble Swap Horzontal) e vertcalmente entre sondas dstntas (Bubble Swap Vertcal-Dagonal). A Bubble Swap Horzontal (BSH) troca poços entre a mesma sonda. Para aumentar a possbldade de uma mudança melhorar a FO, consdere um parâmetro denomnado Grau de Troca Horzontal (GTH). A Bubble Sort ordena um vetor ordenando vznhos dretos dos a dos, ou seja, entre as posções j e j+1 do vetor. Com o Grau de Troca Horzontal a BSH pode-se efetuar, não somente testes de trocas entre vznhos dretos, mas também entre vznhos do tpo j e j+1, j e j+2,...,j e j+gth. Logo, cada um dos poços da programação de uma sonda poderá ser testado em até GTH posções, já que vara lnearmente. A Fgura 3 apresenta um exemplo da BSH com GTH = 2. Bubble Sort Bubble Swap com GTH=2 Iteração 1 j j+1 j j+gth GTH=1 Iteração 2 j j+1 j j+gth GTH=2 Iteração 3 j j+1 j j+gth GTH=1 Iteração 4 j j+1 j j+gth GTH=2 Fgura 3 Comparação entre o funconamento da Bubble Sort com a Bubble Swap Horzontal Porém, segundo o conceto da Bubble Sort e consderando que uma solução para o PASPPP é representada por meo de uma matrz, não sera possível, com a Bubble Swap Horzontal da Fgura 3, trocar um poço alocado na sonda k com um poço de uma outra sonda qualquer. Para tornar possível esse tpo de troca e amplar a busca no espaço de soluções váves, defne-se a Bubble Swap Vertcal (BSV) como a troca entre poços programados em dferentes sondas que trabalha com um parâmetro defndo como Grau de Troca Vertcal (GTV). A BSV com o GTV permte a troca entre o poço j alocada à sonda k (k,j) com o poço j alocado à sonda k+1 (k+1, j), k+2 (k+2, j),..., k+gtv (k+gtv, j). No entanto, a troca é testada e somente é mantda se ela contrbur para a redução da função objetvo. Para consegur que um poço Bubble Swap Vertcal GTV=2 Bubble Swap Vertcal-Dagonal GTV=2 e GTD=2 (k,j) (k,j) Iteração 1 (k+gtv,j) (k+gtv,j) (k,j) (k, j) Iteração 2 (k+gtv,j) (k+gtv,j+gtd) 7
8 tenha mas chances de mudar de sonda, esses testes devem ser fetos entre a posção (k,j) e váras posções da sonda k+gtv, não só com a posção (k+gtv,j). Com sso, Bubble Swap Vertcal ganha mas um parâmetro, o Grau de Trocas Dagonas (GTD), gerando a Bubble Swap Vertcal-Dagonal (BSV-D). Utlzando a BSV-D consegue-se uma grande chance de trocas bem suceddas, tendo em vsta que um poço poderá efetuar trocas com outros em váras posções da outra sonda. Na notação adotada, a BSV-D faz trocas entre posções (k,j) e (s,p) para s=k+1, k+2,.., k+gtv e p=j+0, j+1, j+2,..., j+gtd. A Fgura 4 apresenta a déa das trocas executadas pelas estruturas Bubble Swap Vertcal e Bubble Swap Vertcal-Dagonal. Fgura 4 Comparação entre o funconamento da Bubble Swap Vertcal com a Bubble Swap Vertcal-Dagonal A utlzação conjunta dessas duas estratégas, BSH e BSV-D, garante que trocas poderão ser efetuadas dentro de uma mesma sonda ou entre sondas dferentes. Antes das trocas serem efetuadas exste um teste para saber se a troca é plausível ou se em algum momento os valores j+gth, k+gtv e j+gtd extrapolam os lmtes da matrz. Além desses métodos de troca, exstem estruturas na heurístca que provocam a repetção de cada um desses métodos um determnado número de vezes e também a repetção da heurístca como um todo. A partr dessas repetções objetva-se efetuar o maor número possível de trocas. A Fgura 5 apresenta o pseudocódgo da heurístca de melhora Bubble Swap. PSEUDOCÓDIGO - HEURÍSTICA DE MELHORIA BUBBLE SWAP //Defnções e Dados de Entrada: // Z: N o máxmo de terações para o Bubble Swap // S: N o máxmo de terações para a Bubble Swap Horzontal // R: N o máxmo de terações para a Bubble Swap Vertcal-Dagonal // GTH: Grau máxmo de trocas horzontas // GTV: Grau máxmo de trocas vertcas // GTD: Grau máxmo de trocas dagonas // MAX_POÇOS: Número de poços // MAX_SONDAS: Número de sondas // FO: Função objetvo como descrta na Equação (1) // FO*: Melhor função objetvo encontrada até o momento // programação*: Melhor programação encontrada até o momento //Bubble Swap 1. Para z de 1 até Z Faça 2. Para d de (-GTD) até GTD Faça 3. Para v de 1 até GTV Faça 4. Para r de 1 até R Faça 5. Para j de 1 até MAX_POÇOS Faça 6. Para de 1 até MAX_SONDAS Faça 7. Troque [][j] com [+GTV][j+GTD]; 8. Se FO < FO* 9. FO* FO; 10. programação* programação; 11. Senão 12. Desfaça a troca; 13. Para h de 1 até GTH Faça 14. Para s de 1 até S Faça 15. Para j de 1 até MAX_POÇOS Faça 16. Para de 1 até MAX_SONDAS Faça 17. Troque [][j] com [][j+gth]; 18. Se FO < FO* 19. FO* FO; 20. programação* programação; 21. Senão 22. Desfaça a troca; 23. Retorne FO* e programação* 4 Resultados Computaconas Fgura 5 Pseudocódgo da Bubble Swap 8
9 Para fns de comparação foram utlzadas as nstâncas geradas por Costa & Ferrera Flho (2004; 2005). Os testes foram executados em um computador equpado com um processador Pentum Core 2 Duo com 1,8GHz e 1 GB de memóra RAM. Para tentar melhorar os LBs propostos por Costa & Ferrera Flho (2004; 2005) novos testes computaconas foram realzadas como CPLEX 10 (Ilog, 2006). Entretanto, os expermentos mostraram que essa versão fo capaz apenas de encontrar as soluções ótmas das nstâncas com até 50 poços e 10 sondas. Para os demas problemas apresentados por Costa & Ferrera Flho (2004; 2005), ou seja, problemas com 75, 100 e 125 poços, o CPLEX 10 não conseguu ler os dados, parando por falta de memóra. Sendo assm, optou-se por uma relaxação de programação lnear. Novamente por falta de memóra, o CPLEX 10 não fo capaz de gerar LBs para problemas com 75, 100 e 125 poços. Dante de todas as condções adversas, um estudo fo realzado para avalar o mpacto das restrções no processo de otmzação e na qualdade da solução gerada. Com sso, verfcou-se que o conjunto de restrções defndo em (5) cresce consderavelmente para as nstâncas maores. Em alguns casos têm-se 50 mlhões de restrções. Então, optou-se por uma relaxação smples do modelo (1)-(6) que se consttu na remoção da restrção (5) do modelo matemátco, denomnada PASPPP REL. Não há garantas de que a solução relaxada obtda para uma nstânca qualquer seja uma solução factível, entretanto, consderando a teora de relaxação, com a remoção da restrção (4), tem-se um LB. A Tabela 1 apresenta os prncpas resultados encontrados para as nstâncas com 25 e 50 poços. Cabe destacar que o nome da nstânca ndca também o número de sondas e poços utlzado. Por exemplo, a nstânca P25A-10 ndca 25 poços e 10 sondas. Para essas nstâncas o CPLEX encontrou as soluções ótmas. Nos testes computaconas com a heurístca Bubble Swap foram adotados os seguntes valores para os parâmetros de entrada: Z=20, GTD=6, GTV=MAX_SONDAS, R=1, GTH=4 e S=5. Os parâmetros MAX_SONDAS e MAX_POÇOS varam de acordo com a nstânca: para a nstânca PXA-Y, MAX_SONDAS=Y e MAX_POÇOS=X. Analsando prmeramente os valores obtdos para a relaxação PASPPP REL percebe-se claramente que, na medda em que o número de sondas aumenta, v(pasppp REL ) se aproxma de v(pasppp). Instânca PASPPP CPLEX 10 PASPPP REL BUBBLE SWAP Alves & Ferrera Flho (2006) Costa & Ferrera Flho (2004; 2005) Olvera et al (2007) v(pasppp) T(s) v(pasppp REL ) T(s) Solução T(s) Solução Solução Solução P25A * 1, , * 0, * - P25A * 2, , , * P25A * 2, , , P25A * 3, , , P25A * 4, , , P25A * 6, , , P50A * 16,24 Não Obtdo * 0, * - P50A * 32, , ,
10 P50A * 95, , , * P50A * 92, , , * P50A * 44, , , P50A * 84, , , *Soluções ótmas Tabela 1 Resultados obtdos para as nstâncas de 25 e 50 poços Consderando a Tabela 1 e comparando-se os resultados da heurístca Bubble Swap (BS) com os resultados encontrados por Alves & Ferrera Flho (2006), Costa & Ferrera Flho (2004; 2005) e Olvera et al (2007), percebe-se que a BS apresentou resultados semelhantes aos melhores conhecdos, veja valores em negrto. Repare, entretanto, que a heurístca Bubble Swap utlzou um tempo computaconal muto baxo. No por caso, a heurístca precsou de 0,30s. A Tabela 2 apresenta os resultados obtdos para as demas nstâncas. Percebe-se que, na maora dos casos, o lmtante obtdo com a relaxação PASPPP REL é melhor que o lmtante de Barnes (1977), ou seja, é maor. Essa nformação é nteressante, pos permte melhor avalar os resultados das heurístcas uma vez que as soluções ótmas dessas nstâncas não são conhecdas. Instânca PASPPP LB Barnes (1977) CPLEX 10 PASPPP REL BUBBLE SWAP Alves & Ferrera Flho (2006) Costa & Ferrera Olvera Flho (2004; 2005) et al (2007) v(pasppp REL ) T(s) Solução T(s) Solução Solução Solução P75A , , P75A , , P75A , , P75A , , P75A , , P75A , , P100A , , P100A , , , P100A , , , P100A , , P100A , , P100A , , P125A , , P125A , , , P125A , , P125A , , , P125A , , P125A , , Tabela 2 Resultados obtdos para as nstâncas de 75, 100 e 125 poços 10
11 Os resultados apresentados na Tabela 2 mostram que a Bubble Swap apresenta resultados tão bons quanto as demas heurístcas. Cabe ressaltar que para algumas nstâncas os resultados encontrados pela Bubble Swap foram melhores que os reportados na lteratura. Entretanto, mesmo com resultados e LBs melhores, não fo possível defnr novas soluções ótmas. Veja por exemplo a nstânca P125A-10 em que v(pasppp REL ) = e Bubble Swap = 93159, o ( ) que produz o segunte gap: gap ,65%. Isso mostra que novas pesqusas devem ser realzadas para tentar fechar os gaps resduas. Consderando as Tabelas 1 e 2, os resultados mostram que para nstâncas de pequeno porte, o AG proposto por Alves & Ferrera Flho (2006) obtém melhores resultados, com exceção das nstâncas com um únco poço. Somente a partr das nstâncas de 75 poços que a Bubble Swap começa a obter melhores resultados. Em especal, para 125 poços a heurístca proposta neste trabalho apresenta a maora dos melhores resultados. Pode-se perceber também que a Bubble Swap obteve um desempenho superor ao Scatter Search (OLIVEIRA et al, 2007) em todos os testes e superou as heurístcas HMPT e HMD, propostas por Costa & Ferrera Flho (2004; 2005), na maora dos casos. 5 Conclusões e Futuros trabalhos Neste trabalho fo proposta uma heurístca de melhora denomnada Bubble Swap (BS) para soluconar o Problema da Alocação de Sondas de Produção em Poços de Petróleo (PASPPP). As soluções obtdas pela BS se mostraram nteressantes para problemas com 25 e 50 poços quando comparadas com as soluções ótmas do CPLEX. Para nstâncas com 75, 100 e 125 poços, percebe-se que os resultados da BS foram, em mutos casos, melhores do que aqueles apresentados na lteratura. Cabe ressaltar anda que a BS é muto rápda. No por caso, a BS utlzou menos de 2,0s para encontrar uma solução. Além da BS, este trabalho também apresentou novos lower bounds (LBs) para algumas nstâncas. Esses lmtantes podem ser utlzados para se avalar novas soluções para o PASPPP. Em trabalhos futuros, serão estudadas novas estruturas para serem adconadas ao BS que proporconem alguma aleatoredade no mecansmo da heurístca, tal que novos e melhores resultados sejam obtdos. Referêncas ALOISE, D.; NORONHA T.F.; MAIA R.S.; BITTENCOURT, V.G. & ALOISE D.J. Heurístca de colôna de formgas com path-relnkng para o problema de otmzação da alocação de sondas de produção terrestre. Em Anas do XXXIV Smpóso Braslero de Pesqusa Operaconal, ALVES, V.R.F.M. & FERREIRA FILHO, V.J.M. Proposta de algortmo genétco para a solução do problema de roteamento e sequencamento de sondas de manutenção. Em Anas do XXXVIII Smpóso Braslero de Pesqusa Operaconal, p , BARNES, J.W.; BRENNAN, J.J. & KNAP, R.M. Schedulng a Backlog of Ol well Workovers, Journal of Petroleum Technology, v., n., p , COSTA, L.R. Soluções para o problema de otmzação de tneráro de sondas. Dssertação de Mestrado, Unversdade Federal do Ro de Janero,
12 COSTA, L.R. & FERREIRA FILHO, V.J.M. Uma heurístca de montagem dnâmca para o problema de otmzação de tneráros de sondas. Em anas do XXXVII Smpóso Braslero de Pesqusa Operaconal, p. 1-12, FERREIRA FILHO, V.J.M. & COSTA, L.R. Uma Heurístca para o Problema do Planejamento de Itneráros de Sondas em Intervenções de Poços de Petróleo. Em anas do XXXVI Smpóso Braslero de Pesqusa Operaconal, v.1. p , GOUVÊA, E. F.; GOLDBARG, M.C. & COSTA, W.E. Algortmos evoluconáros na solução do problema de otmzação do emprego de sondas de produção em poços de petróleo. Em anas do XXXIV Smpóso Braslero de Pesqusa Operaconal, ILOG. Ilog Cplex 10.0: Reference manual. France: [s.n.], p. MEDEIROS, A.C.R. Completação de poços - Notas de Aula, dsponível em < TposEtapas/Aula-03-Completacao-01-TposEtapas-AnaCatarna.ppt>, Acesso em 28/04/2009 às 23:26h. NEVES, T.A. Heurístcas com memóra adaptatva aplcadas ao problema de roteamento e schedulng de sondas de manutenção, Dssertação de Mestrado, Unversdade Federal Flumnense, NEVES, T.A & OCHI, L.S. GRASP com Memóra Adaptatva aplcado ao Problema de escalonamento de sondas de manutenção. Em anas do XXVII Congresso da Socedade Braslera de Computação Encontro Naconal de Intelgêncas Artfcal, v. 1. p , 2007 NORONHA, T.F.; LIMA, F.C.J & ALOISE, D.J. Um algortmo heurístco guloso aplcado ao problema do gerencamento das ntervenções em poços petrolíferos por sondas de produção terrestre. Em anas do XXXIII Smpóso Braslero da Pesqusa Operaconal, p , Campos do Jordão, SP, 06 a 09 de novembro de OLIVEIRA, E.F.; PAGOTO, F.B.; SILVA, F.T. & LORENZONI, L.L. Scatter Search aplcado ao problema de otmzação de sondas de produção terrestre. Em anas do XXVII Encontro Naconal de Engenhara de Produção, p. 1-10, SMITH, W. E. Varos Optmazers for Sngle Stage Producton, NRLQ., v. 2, pp , 1956 TRINDADE, V.A. Desenvolvmento e análse expermental da metaheurístca GRASP para um problema de planejamento de sondas de manutenção, Dssertação de Mestrado, Unversdade Federal Flumnense,
PROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO
PROPOSTA DE ALGORITMO GENÉTICO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO E SEQUENCIAMENTO DE SONDAS DE MANUTENÇÃO Vanessa Rennó Frota Moraes Alves UFRJ / COPPE / Programa de Engenhara de Produção vanfrota@yahoo.com.br
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisUM ESTUDO ALGORITMICO DO PROBLEMA DA PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO
UM ESTUDO ALGORITMICO DO PROBLEMA DA PROGRAMAÇÃO DE SONDAS DE PRODUÇÃO Gustavo de Araujo Sabry Unversdade Federal do Ro Grande do Norte Campus Unverstáro, Lagoa Nova, Natal, RN guga_sabry@hotmal.com Marco
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia mais3 Algoritmo de Busca Tabu
3 Algortmo de Busca Tabu 3.1 Introdução A forma básca do algortmo de Busca Tabu está fundamentada nas déas propostas em [Glover Laguna, 1997] e é baseado em procedmentos heurístcos que permtem explorar
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisSeqüenciação de N ordens de produção em uma máquina com tempo de preparação dependente da seqüência uma aplicação de busca tabu
XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 2006 Seqüencação de N ordens de produção em uma máquna com tempo de preparação dependente da seqüênca uma aplcação de busca tabu Renato de Olvera
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisEFICIÊNCIA ECONÔMICA DA MAMONEIRA PRECOCE, CULTIVAR BRS ENERGIA, SOB DIFERENTES REGIMES DE IRRIGAÇÃO
EFICIÊNCIA ECONÔMICA DA MAMONEIRA PRECOCE, CULTIVAR BRS ENERGIA, SOB DIFERENTES REGIMES DE IRRIGAÇÃO José Marcelo Das 1, José Renato Cortez Bezerra 1, Napoleão Esberard de Macedo Beltrão 1, Tarcíso Marcos
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisChapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação
Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisPROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO DA PRODUÇÃO: UM ESTUDO DE CASO EM UMA INDÚSTRIA DE BEBIDAS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PROBLEMA DE DIMENSIONAMENTO DE LOTES E SEQÜENCIAMENTO
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisUM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO
Ro de Janero, RJ, Brasl, 3 a 6 de outubro de 008 UM ALGORITMO DE PROGRAMAÇÃO MATEMÁTICA BI-OBJETIVO PARA O PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES NÃO CAPACITADO Paula Marana dos Santos (UFV) paula-maranna@hotmal.com
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisCurvas Horizontais e Verticais
Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia mais2 Modelos de Otimização sob Incerteza 2.1. Introdução
2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisUMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA
ISSN 2175-6295 Ro de Janero- Brasl, 12 e 13 de agosto de 2010 UMA ABORDAGEM HEURÍSTICA VIA MULTIPROCESSAMENTO PARALELO PARA UMA CLASSE DE PROBLEMAS DE SEQUENCIAMENTO EM UMA MÁQUINA Frederco Augusto de
Leia mais6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)
ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais4 Sistema Híbrido de Otimização de Estratégia de Controle de Válvulas de Poços Inteligentes sob Incertezas
44 4 Sstema Híbrdo de Otmzação de Estratéga de Controle de Válvulas de Poços Intelgentes sob Incertezas Conforme dscutdo no capítulo 2, na engenhara de reservatóro a atvdade de gerencamento é uma tarefa
Leia mais3 Definição automática de carregamento ótimo
3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações
Leia maisBalanceamento das cargas nas respectivas fases do circuito [8]: Posicionamento do transformador abaixador: Recondutoramento dos circuitos:
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN PLANEJAMENTO DE CIRCUITOS SECUNDÁRIOS DE DISTRIBUIÇÃO USANDO ALGORITMO EVOLUTIVO ESPECIALIZADO Antono Marcos Coss Grupo
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisModelo de programação por restrições para o problema de empacotamento ortogonal tridimensional
Capítulo 5 Modelo de programação por restrções para o problema de empacotamento ortogonal trdmensonal Olvana Xaver do Nascmento 1 Llane de Azevedo Olvera 1 Thago Alves de Queroz 1 Resumo: O Problema de
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisGRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER
A ntegração de cadeas produtvas com a abordagem da manufatura sustentável. Ro de Janero, RJ, Brasl, 13 a 16 de outubro de 2008 GRASP PARA OTIMIZAR O CARREGAMENTO DE UM CONTÊINER ETELVIRA CRISTINA BARRETO
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisIntrodução a Combinatória- Aplicações, parte II
Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o
Leia mais2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia mais5 Problema de planejamento de novas redes de telecomunicações
Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisEscalonamento Baseado em Prioridades Fixas
Sstemas de Tempo Real: Escalonamento Baseado em Prordades Fxas Rômulo Slva de Olvera Departamento de Automação e Sstemas - DAS UFSC romulo@das.ufsc.br http://.das.ufsc.br/~romulo 1 Escalonamento Baseado
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisANÁLISE DE MODELOS MATEMÁTICOS PARA O PROBLEMA PROBABILÍSTICO DE LOCALIZAÇÃO- ALOCAÇÃO DE MÁXIMA COBERTURA.
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A Engenhara de Produção e o Desenvolvmento Sustentável: Integrando Tecnologa e Gestão. Salvador, BA, Brasl, 06 a 09 de outubro de 2009 ANÁLISE DE MODELOS
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia maisSCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO
Leia mais3 Desenvolvimento do Modelo
3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede
Leia maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisProblema de Alocação de Berços em Terminais de Contêineres através de Algoritmos Genéticos
Problema de Alocação de Berços em Termnas de Contêneres através de Algortmos Genétcos Adrane Beatrz de Souza Serapão Depto. Estatístca, Matemátca Aplcada e Computação Unversdade Estadual Paulsta (UNESP)
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisBUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊNCIAÇÃO DE ORDENS DE PRODUÇÃO
BUSCA TABU: UMA APLICAÇÃO AO PROBLEMA DE SEQÜÊCIAÇÃO DE ORDES DE PRODUÇÃO Renato de Olvera Moraes Departamento de Cêncas Exatas e Aplcadas da Unversdade Federal de Ouro Preto Rua 37, nº 115 Barro Loanda.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCap 6: 4,5,8,9,10,11,12,15,16,21 fazer diagramas, usar análise por cálculo do tempo de resposta
QUESTÕES DO LIVRO Real-Tme Systems, Jane Lu Cap 6: 4,5,8,9,10,11,12,15,16,21 fazer dagramas, usar análse por cálculo do tempo de resposta Cap 8: 1,2,7 fazer dagramas Concetos Báscos e Técncas de Implementação
Leia maisSÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.
I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder
Leia maisO íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4
O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,
Leia maisEstudos de Problemas de Dimensionamento de Lotes Monoestágio com Restrição de Capacidade. Orientador: Prof. Dr. Marcos Nereu Arenales
Estudos de Problemas de Dmensonamento de Lotes Monoestágo com Restrção de Capacdade Slvo Alexandre de Araujo Orentador: Prof. Dr. Marcos Nereu Arenales Dssertação apresentada ao Insttuto de Cêncas Matemátcas
Leia maisOtimização do Planejamento da Produção de uma Indústria de Calçados
XXV Encontro Nac. de Eng. de Produção Porto Alegre, RS, Brasl, 29 out a 01 de nov de 2005 Otmzação do Planejamento da Produção de uma Indústra de Calçados Dorval de Carvalho Pnto (UFPE) dpnto@ufpe.br Fernando
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisUM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO
Pesqusa Operaconal na Socedade: Educação, Meo Ambente e Desenvolvmento 12 a 15/09/06 Goâna, GO UM ALGORITMO GENÉTICO PARA O PROBLEMA DE AGRUPAMENTO Flávo Marcelo Tavares Montenegro IBGE Insttuto Braslero
Leia mais