MODELOS DE CONTROLE ÓTIMO DO SCHEDULING DE PETRÓLEO E DERIVADOS EM PORTOS
|
|
- Gabriel Henrique Lobo Aires
- 6 Há anos
- Visualizações:
Transcrição
1 MODELOS DE CONTROLE ÓTIMO DO SCHEDULING DE PETRÓLEO E DERIVADOS EM PORTOS Fabio Fagudez Chemech, a Siemes Compay Rua da Quiada, 50/21 adar. Cero Rio de Jaeiro, RJ, Brasil fabio.fagudez@gmail.com João Lauro Doreles Facó Deparameo de Ciêcia da Compuação / Isiuo de Maemáica Uiversidade Federal do Rio de Jaeiro Prédio do CCMN, bloco NCE, Ilha do Fudão Rio de Jaeiro, RJ, Brasil jldfaco@acd.ufrj.br Resumo: Problemas de schedulig de peróleo e derivados em poros são modelados por Corole Óimo com equações de esado ão lieares e o uso de vazões como variáveis de corole. Todas as variáveis são resrias por limies iferiores e superiores. Dificuldades a resolução umérica deses modelos são resolvidas pelo uso de um méodo eficiee de Programação Não Liear - o Gradiee Reduzido Geeralizado (GRG). Casos de ese são discuidos. Palavras-chaves: programação de arefas, plaejameo, oimização, programação ão-liear, corole óimo, GRG, poro. Absrac: Crude oil ad derivaives jey schedulig problems are modeled by Opimal Corol wih oliear sae equaios ad he use of flow raes as corol variables. All variables are submied o lower ad upper bouds. Difficulies i he umerical soluio of hese models are overcome by usig a efficie Noliear Programmig mehod Geeralized Reduced Gradie (GRG). Tes cases are discussed. Keywords: schedulig, plaig, opimizaio, oliear programmig, opimal corol, GRG, jey. 1. Irodução O plaejameo e a programação de arefas (schedulig) são aividades de grade imporâcia ecoômica que geralmee requerem modelos complexos implicado muio esforço compuacioal. Uma programação eficiee de arefas permiido o uso racioal de recursos coduz a uma ecoomia de recursos e ao aumeo do lucro operacioal, eviado arasos em eregas e favorecedo à saisfação da demada sem perda da qualidade dos serviços, cumprido os coraos, garaido assim a fidelidade dos cliees. Ere os muios problemas de plaejameo de schedulig, esá o de programação de recebimeo de peróleo e evio de derivados em poros. Modelos e méodos de pesquisa operacioal com diversas abordages êm sido desevolvidos para problemas dese ipo uilizado programação liear, ieira, miso-ieira e ão-liear, méodos esocásico-probabilísicos, heurísicas, filas de Poisso, ere ouros [1, 3, 8, 10, 11]. Na úlima década, duas verees obiveram resulados sigificaivos para schedulig aplicados à idúsria peroquímica: algorimos geéicos [2,12] e programação miso-ieira liear [7, 9]. Ese arigo se propõe a apresear uma abordagem diferee propodo um modelo ão-liear de corole óimo, sem empregar variáveis biárias de decisão, permiido um úmero meor de equações e de variáveis. Ese modelo pode ser resolvido rapidamee por méodos eficiees de Programação Não Liear, em paricular pelo GRG, bem como pelo algorimo especializado para Corole Óimo - o GRECO [4].
2 2. Descrição do problema O problema de schedulig de recebimeo de peróleo e erega de derivados em poros é deermiar a ordem de aracação dos avios e as rasferêcias ere os equipameos evolvidos de forma a miimizar uma fução de performace, respeiado um cojuo de resrições operacioais, físico-químicas e ecoômicas. O sisema de logísica associado à produção e à disribuição de peróleo e seus derivados pode ser dividido em rês subsisemas complemeares: poro, acagem iermediária e plaa peroquímica ou refiaria [7]. Cada subsisema se comuica com ouro por meio de duos (Figura 1), de modo que a programação de um subsisema cosegue ierferir com a de ouro por meio da seqüêcia de maeriais rasporados os duos. É imporae que os maeriais rasferidos em seqüêcia os duos sejam de caracerísicas semelhaes, eviado perdas a ierface ere os dois maeriais. Depededo do problema a ser oimizado, dois subsisemas podem ser agrupados em um só, cosiderado os duos como ubulações ieras. Por exemplo, caso o ieresse seja de apeas programar o poro, pode-se cosiderar a acagem iermediária como pare iegrae da refiaria. Ou aida, se o poro se ecora coíguo à plaa peroquímica, os rês subsisemas podem ser agrupados em um só. Figura 1 Represeação esquemáica do Problema No poro exise uma acagem própria, suficiee para o armazeameo do maerial a ser carregado ou descarregado pelos avios esperados os próximos dias. Os aques podem ser alugados ou próprios, e mesmo que o aluguel seja egligeciável, há o cuso de imobilização de capial. Esoque represea perda de juros referees ao valor do produo esocado, caso ese fosse vedido e aplicado o mercado fiaceiro. Dese modo os cusos de armazeameo devem ser cosiderados o problema. Normalmee os aques são dedicados a um úico ipo de produo, ou seja, um aque de peróleo ão é uilizado para armazeameo de diesel, e vice-versa. Os avios são coraados para carregar ou descarregar maerial em uma jaela de empo delimiada por uma daa de chegada e oura de saída. Coforme as codições maríimas, a jaela pode se mover o empo, mas sempre é cohecida a priori para se realize o schedule. No caso de um avio ão ser compleamee processado pelo poro aé a daa de saída, uma mula (demurrage) é aplicada, geralmee por cada dia de araso. Ese é o cuso mais imporae a ser cosiderado o problema de schedulig em poros. O poro apresea um úmero fixo de píeres, com exesão e profudidade defiidas, e bombas que podem ser resriivas por maerial. Assim em odos permiem a aracação de qualquer avio. Após ser processado, um avio aida despede um empo de desaracação, de modo que o píer só pode ser ovamee uilizado para a aracação de ouro avio se ese empo houver rascorrido. 153
3 Poos de acagem iermediária são uilizados para coordear a disribuição de maerial ere diferees plaas de uma mesma empresa ou cosórcio. Um exemplo é o problema esudado por Más [7]: a esruura da Perobras o esado de São Paulo, ode a acagem iermediária disribui peróleo ere as diferees refiarias esaduais. A programação da acagem iermediária deve cosiderar a capacidade de produção das refiarias e o cuso de iveário, rabalhado com um esoque suficiee, mas ão excessivo. Por ser um subsisema simples, ele pode ser icorporado ao subsisema da refiaria o caso de se realizar a programação do poro. O subsisema da plaa peroquímica ou refiaria é ão ou mais complexo que o do poro, de modo que a programação geralmee é dividida em áreas: processameo de maéria-prima, rasformações, misuras e erega de produos fiais. Por er uma miríade de operações uiárias e misuras,, e um parque de acagem muio maior que os ouros subsisemas, a programação dese subsisema ão precisa ser ecessariamee cosiderada o problema de schedulig os poros. 3. Modelo de Corole Óimo Cosideramos a formulação uificada de problemas de corole óimo como miimizar uma fução de performace das rajeórias do esado e do corole, sujeio a equações de esado e limies as variáveis de esado e de corole, em cada isae de empo [5]: T 1 Miimizar g ( x, u ) + G T ( x T ), = 0 1 x + 1 = f ( x, u ), f C x mi x x max u mi u u max m x R, u R { 0,1,..., T 1}, 1 g C, sujeio a: Esa formulação, ode as variáveis de esado x e de corole u são coíuas, permiido que o problema de schedulig seja modelado de forma aural, sem adição de variáveis biárias de decisão. A aureza combiaória do problema é cosiderada impliciamee pelo algorimo de resolução. Os iervalos de empo, idexados de 0 a T-1 podem er durações variáveis ou cosaes. No modelo apreseado, cosideramos iervalos de duração cosae Δ, devido à facilidade de se refiar o valor do iervalo de acordo com a ecessidade de programação. Para modelar o problema de schedulig, é preciso ideificar as variáveis de esado e de corole. As variáveis de corole são livres para variar dero de limies esabelecidos, equao as de esado são ecessariamee calculadas segudo as equações de esado dero de seus limies. Assim o caso real o operador pode variar as vazões de carga e descarga dos avios, dos aques e dos duos, equao propriedades físico-químicas e volumes são calculados. Defiem-se as variáveis de esado como: x() = [v() p()] T limiadas por: 0 vmi v( ) vmax p p( p mi ) max Ode v são as variáveis de volume de aque e de avios e p as de propriedades e composição dos equipameos e duos; x 0 = x(0) = x( 0 ) é cohecido o pricípio do problema, equao x T-1 = x(t-1) = x( f ) é livre. Durae a formulação os ermos 0 e = 0 serão uilizados para desigar o primeiro iervalo de empo, equao f e = T-1 para o úlimo iervalo de empo. Os limies máximo e míimo são cosiderados cosaes em odos os iervalos. Pode-se oar que ão é ecessário cosiderar volume em duos, pois eses se ecoram a froeira do subsisema, e as composições de misuras de peróleo podem ser modeladas como propriedades, i.e., fração de cru A, fração de cru B 154
4 ec.. Para avios que apreseem diferees cargas cosideram-se volume e propriedades disias para cada carga. Para o problema de schedulig é suficiee cosiderar somee coexões lógicas ere os equipameos, sem dealhar as roas ieras do poro, observado cada ramo de ubulação. Se houver pelo meos uma roa física coecado dois equipameos, e ambos os equipameos comparilharem o mesmo ipo de maerial, cosideramos que exise uma coexão lógica ere os dois. Para o modelo um avio ambém é um equipameo que pode se coecar a um píer que, por sua vez, pode se coecar a um aque (Figura 2). Para ideificar se exise uma roa ere um avio e um píer, o avio deve er dimesões adequadas (comprimeo e calado) que possibilie a aracação o píer. Para ideificar se o avio pode ser carregado ou descarregado em um aque coecado ao píer, é preciso que o aque seja dedicado ao armazeameo do maerial rasporado pelo avio. É fácil oar que um pré-processameo esaque do problema, idepedee de iervalo de empo, é capaz de deermiar quais as coexões exisees. Figura 2 Represeação das vazões como variáveis de corole Desa forma, defiem-se as variáveis de corole como: u() = [u aque-duo () u aque-píer-avio ()] T limiadas por: umi = 0 u( ) umax ( ) u max ( ) k = u max, k, se ak e k J avio a que ou se k J a que duo u max ( ) k = 0, seão. J avio-auque = cojuo dos ídices das coexões ere avios e aques. J auque-duo = cojuo dos ídices das coexões ere duos e aques. Ode u() represea as vazões das coexões ere aques e duos (u aque-duo ) e ere aques e avios via píeres (u aque-píer-avio ). Os limies máximo e míimo são cosiderados cosaes em odos os iervalos de empo, exceo para avios ode a vazão forçosamee deve ser zero aé a daa esperada de chegada do avio, represeada pelo ermo a k, para avio que eha vazão de ídice k. As vazões são represeadas com valores ão-egaivos, idepedeemee de esarem carregado ou descarregado os equipameos. A ifluêcia das vazões os volumes de aques e avios é defiida pelas equações de esado: v() = v(-1) + U u(-1) * Δ, ode a mariz é defiida por U {1, 1,0}. i, j Eviar operação em pulmão, ou com múliplas origes e desios: 0 w ( ) = max{u ( ) i J } u ( ε, ode: k i k j ) j J k 155
5 J k = cojuo de ídices das vazões que evolvem o equipameo k. ε = olerâcia (ex: 10-6 ) Um avio só pode ser processado por um píer se o avio processado aeriormee o mesmo houver desaracado: 0, p p, p, * Tp u u z ( ) = u ( ) * u ( ) d ε p, p, *( ) = ( ) = i i J p, * i i J p, u ( ) u ( ) J p,* = cojuo dos ídices de vazões que evolvem o píer p, mas ão o avio J p, = cojuo dos ídices de vazões que evolvem o píer p e o avio T p = empo de desaracação o píer p ε = olerâcia (ex: 10-6 ) Um aque só pode eviar para ouro equipameo se houver rascorrido o empo ecessário para o asseameo de impurezas chamado de empo de preparação, desde o úlimo recebimeo: 0 y ( ) = u ( ) * u ( ) d ε v v saida u u ( ) v saida ( ) = i i J v saida v erada( ) = ui i J v erada u ( ) v erada Tv J v-erada = cojuo dos ídices de vazões que eram o aque v J v-saída = cojuo dos ídices de vazões que saem do aque v T v = empo de preparo do aque v ε = olerâcia (ex: 10-6 ) Ao fial do schedulig, odos os avios devem ser aedidos correamee: r () = 0, se < f 2 r ( ) = ( v ( ) vl ) ε 0 f f vl = volume da carga do avio quado for compleamee processado ε = olerâcia (ex: 10-6 ) É possível que essa resrição ão seja aedida, de modo que o algorimo ão cosiga achar o óimo adequado para a programação. Nese caso deve-se relaxar o problema, icorporado a resrição à fução-objeivo, sob a forma de cuso de perda de avios. Ao fial do schedulig odos os duos devem ser aedidos correamee: s,m () = 0, se < f s, ( ) = ( M ( ) Mf ) 0 m f m f m M m ( f ) = T 1 = 0 u ( ) * m ( ) * Δ 2 ε m () = fração de m rasporado pelo duo em u () = vazão o duo em Mf m = oal de m que deve ser rasporado por ere 0 e f ε = olerâcia (ex: 10-6 ) 156
6 Se esa resrição ão for aedida deve-se relaxar o problema, icorporado a resrição à fuçãoobjeivo, sob a forma de cuso de desvio do plaejameo. Os valores de propriedades variam quado há recebimeo de ouro maerial o equipameo: p v,p () = p v,p (-1), se u v-erada (-1) = 0 p v,p () = f mix-p (), seão; ode p v,p é o valor de uma propriedade p o equipameo v, v v o volume, u v-erada a vazão de erada. Como diferees propriedades podem er regras disias de misura, o modelo represea isso como a fução f mix-p, que pode variar para cada propriedade p. Algumas propriedades imporaes para a idúsria peroquímica como desidade, são adiivas em base volumérica, ode a fução f mix-p seria: f mix-p () = vv ( 1) * pv, p ( 1) + uv erada ( 1) * Δ * pv erada, v ( ) v p ( 1) A fução de performace do sisema é uma fução de cuso, composa pela soma poderada de parcelas disias. Quao maior o úmero de parcelas, maior é a possibilidade de exercerem um efeio amorecedor a fução-objeivo, por isso cusos como de eergia elérica e de aquecimeo de peróleo ão foram cosiderados. O uso de pesos serve para adequar as ordes de gradeza dos diferees cusos e hierarquizar os objeivos. f Miimizar g ( x, u ) + G( f ) = 0 g(x,u ) = p1*c demur () + p2*c vazão () + p3 *C ive () + p4*c ierf () G( f ) = p5 * C plaej + p6 * C avio Para o problema de schedulig em poros um imporae objeivo é eviar a ocorrêcia de mulas (demurrage): C demur () = cdemurr T *araso() araso() k = max(0, - l k )*Δ *(v k () - vl k ()) 2 l k = daa coraual de saída do avio v k () = volume do avio k em vl k () = volume do avio k quado for compleamee processado, ode cdemurr é o veor de cusos de demurrage para cada avio e araso() é um veor com faores associados a cada avio k, que se maêm zero, caso o avio ão eseja arasado, mas que crescem coforme o empo de araso e o volume ecessário para o érmio de processameo daquele avio. Para eviar que a resolução do modelo icorra em programações com mudaças desecessárias de vazões, pode-se associar um cuso arbirário às suas variações: C vazão () = cvaz T *delavaz() 2 ( uk ( ) uk ( 1)) delavaz k ()=, se > 0 1+ uk ( 1) delavaz k ()= 0, se = 0, ode cvaz é o veor de cusos de mudaça de vazão para cada vazão e delavaz() é um veor com medidas quadráicas de variação de cada vazão k. O deomiador apresea um ermo 1 para impedir divisões por zero. Na solução do problema há o desejo de se ober um ível de esoque suficiee apeas para aeder os avios sem araso, eviado que um úmero grade de aques seja uilizado a programação. O faor de poderação para o cuso de iveário deve ser pequeo para ão afear a fução de performace de modo a ober soluções com arasos os avios ou mudaças desecessárias de vazão: C ive () = cive T *v(), 157
7 ode cive é o veor de cusos de iveário para cada aque e v() é o veor com os volumes dos aques. Apesar de raro, se for preciso calcular ambém cuso de iveário dos avios, basa cosiderar cive e v() com os respecivos dados de cuso de iveário e volume para avios. Ereao, isso ão é recomedado, pois pealiza o raspore de maerial para os avios. A escala de maeriais os duos pode ser cosiderada, mas ão deve obrigar que os esoques fiquem alos ou que os avios arasem. O faor de poderação deve ser, porao, muio pequeo: C ierf () = cierf T * delaq() delaq k () = [q k () q k (-1)] 2 ode cive é o veor de cusos de ierface para cada duo e delaq() é o veor com medidas quadráicas da variação de uma propriedade q do duo k. A propriedade q deve ser uma propriedade que ideifique bem o maerial que esá o duo e que faça seido para odos os maeriais, como por exemplo, a desidade. Quado ão são aedidas as resrições as variáveis de esado s(), deve-se cosiderar a fução de performace o cuso de desvio de plaejameo: C = s ( ) J J m plaej m m J m J f = cojuo de ídices de duos = cojuo de ídices de maeriais Quado ão são aedidas as resrições as variáveis de esado r(), deve-se cosiderar a fução de performace o cuso de perda de avios: C J avio = J r ( f ) = cojuo de ídices de avios 3.1 Heurísica de iicialização Coforme apreseado por Moro e Peico [8], heurísicas podem ser aplicadas a problemas de schedulig, obedo poos que violem ehuma ou poucas resrições. Observado que o GRG poderia ober soluções melhores se iicializado com uma solução quase viável, foi implemeada uma heurísica. Heurísica H1: (1) Para cada duo faça: 0 Se é duo de recebimeo do poro S coj dos aques que recebem de, parados em 0 Se S = φ, escolha ouro duo: vole para (1) k aque de S que esiver mais cheio vol vol k () vol mi,k Seão S coj dos aques que eviam para, parados em 0 Se S = φ, escolha ouro duo: vole para (1) k aque de S que esiver mais vazio vol vol max,k vol k () Fim Se Equao < f e vol > 0 faça: 158
8 vol u k, () = mi( umax k,, ) Δ vol = vol u k, ()*Δ = + 1 Fim Equao Fim Para Ordear lisa de avios por daa a (2) Para cada avio da lisa ordeada faça: a (3) Se ão exise píer p coecado a al que P p = { p p, u p ( ) d = 0} φ p p Tp Escolha ouro avio: vole para (2) Fim Se Escolha píer p al que miimize p = mi{ p ε P p } p vol m Δ +,ode vol é o volume a ser processado pelo avio Se é avio a ser descarregado S cojuo dos aques parados em que podem descarregar pelo píer p Se S = φ, escolha ouro píer: vole para (3) k aque de S que esiver mais vazio Seão S cojuo dos aques parados em que podem carregar pelo píer p Se S = φ, escolha ouro píer: vole para (3) k aque de S que esiver mais cheio Fim Se Equao m e vol > 0 faça: vol u k, () = mi( umax k,, ) Δ vol = vol u k, ()*Δ = + 1 Fim Equao Fim Para 3.2 Experimeos compuacioais Para validar o modelo, foram cosruídos quaro casos de eses, com dificuldade crescee de resolução (Tabela 1). O primeiro caso foi resolvido com o GRG do solver do aplicaivo Microsof Excel. Os ouros foram resolvidos pelo Large Scale GRG (LSGRG2) da Frolie Sysems para MS Excel. Todos foram execuados em um deskop AMD XP 2.6 GHz, com 512MB de memória RAM. O caso 1 esou o descarregameo de avios os aques; o caso 2, o aedimeo de duos e o descarregameo e carregameo de avios; o caso 3, o uso de mais de um píer; e o caso 4 (Tabela 2), uma siuação próxima da realidade do programador de produção, ode o úmero de avios é grade para a quaidade de recursos dispoíveis (aques, píeres e duos), de modo que uma solução obida maualmee ão é rivial e provavelmee loge de óima. Cosiderado odos os iervalos de empo, o modelo em 650 variáveis de corole e 774 variáveis de esado, sedo um problema de pore razoável. De fao pode-se observar que o poo forecido pela heurísica H1 só coseguiu aeder odos os avios, ao arasar dois deles e ão respeiar resrições de volume de aques, empo de preparação e de desaracação de píer (Figuras 3 e 4). 159
9 O caso 4 foi modelado com odas as resrições e os pesos uilizados foram p4 = p5 = p6 = 0, p1 = 0.59, p2 = 0.01 e p3 = O LSGRG2 foi iiciado em 4 poos: o primeiro forecido pela heurísica, os ouros 3 obidos a parir de maipulação do poo da heurísica, orado o schedule viável. Em odos coseguiu ober um óimo local que aede odos os avios, apeas um com araso (o avio N6), sem violar ehuma resrição (Figuras 5, 6 e 7). Tabela 1 Casos de ese uilizados Caso equipameo poo iicial solução 1(a) Taques 2 Performace 1.4*10 6 Performace h Navios 2 Viável Não Ierações (viabilidade) 63 Δ=4h Píeres 1 Não uilizou heurísica Ierações (oimização) 6 Duos - empo (s) 10 1(b) Taques 2 Performace 4.47 Performace h Navios 2 Viável Sim Ierações (viabilidade) 0 Δ=4h Píeres 1 Heurísica Ierações (oimização) 8 Duos - empo (s) < 1 2 Taques 3 Performace Performace h Navios 3 Viável Não Ierações (viabilidade) 12 Δ=3h Píeres 1 Heurísica Ierações (oimização) 8 Duos 1 empo (s) 2 3 Taques 3 Performace Performace h Navios 4 Viável Não Ierações (viabilidade) 115 Δ=3h Píeres 2 Heurísica Ierações (oimização) 31 Duos 1 empo (s) 42 4(a) Taques 3 Performace Performace h Navios 8 Viável Não Ierações (viabilidade) 80 Δ=3h Píeres 2 Heurísica Ierações (oimização) 221 Duos 1 empo (s) 85 4(b) Taques 3 Performace Performace h Navios 8 Viável Sim Ierações (viabilidade) 0 Δ=3h Píeres 2 Modificação Heurísica Ierações (oimização) 43 Duos 1 empo (s) 14 4(c) Taques 3 Performace Performace h Navios 8 Viável Sim Ierações (viabilidade) 0 Δ=3h Píeres 2 Modificação Heurísica Ierações (oimização) 50 Duos 1 empo (s) 11 4(d) Taques 3 Performace 2.8*10 5 Performace h Navios 8 Viável Sim Ierações (viabilidade) 0 Δ=3h Píeres 2 Modificação Heurísica Ierações (oimização) 150 Duos 1 empo (s) 42 Figura 3 Gráfico de Ga do caso 4(a) com vazões (10 3 m 3 /h) o poo obido pela heurísica 160
10 Figura 4 Iveário do caso 4(a) o poo obido pela heurísica Figura 5 Iveário da solução 4(a) Figura 6 Gráfico de Ga com vazões (10 3 m 3 /h) a solução 4(a) Figura 7 Iveário da solução 4(d) 161
11 Tabela 2 Parâmeros dos Equipameos do Caso 4 Parâmero Taque Vol mi (10 3 m 3 ) Vol max (10 3 m 3 ) Vol 0 (10 3 m 3 ) C ive (10 3 $/m 3 ) Tv (h) T T T Navio Vol iicial (10 3 m 3 ) Vol fial (10 3 m 3 ) a(h) / l(h) C demur (10 3 $/dia ) N /24 48 N /27 48 N /36 48 N /37 48 N /42 48 N /47 48 N /47 48 N /62 48 Duo Mm (10 3 m 3 ) D1 100 Píeres Tp(h) P1 3 P2 3 P3 3 Vazões u max (10 3 m 3 /h) Vazões u max (10 3 m 3 /h) Vazões u max (10 3 m 3 /h) U T1-D1 3 U T2-P1-N2 3 U T3-P2-N3 3 U T2-D1 3 U T2-P1-N1 3 U T3-P2-N4 3 U T3-D1 3 U T2-P1-N3 3 U T3-P2-N6 3 U T1-P1-N1 3 U T3-P1-N5 3 U T3-P2-N7 3 U T1-P1-N3 3 U T3-P1-N6 3 U T2-P2-N4 3 U T1-P1-N2 3 U T3-P1-N7 3 U T2-P2-N8 3 U T1-P1-N5 3 U T3-P1-N8 3 U T2-P2-N5 3 U T1-P1-N6 3 U T1-P2-N4 3 U T2-P2-N6 3 U T1-P1-N7 3 U T3-P2-N Coclusão Os modelos apreseados se mosraram capazes de represear o problema uilizado um úmero pequeo de variáveis e de resrições, sem uilizar variáveis de decisão biárias. Em modelos radicioais de programação miso-ieira, como, por exemplo, o apreseado por Más [7], haveria para cada variável de corole pelo meos uma variável de decisão associada. A fução de performace uilizada pelo modelo cosidera uma série de cusos de acordo com seus graus de imporâcia podedo ser adapada para cada caso que se queira resolver. Esa flexibilidade permie que as soluções sejam ecoradas privilegiado os aspecos de maior ieresse do programador de produção o momeo da formulação do schedulig. O uso de méodos eficiees de Programação Não Liear como o LSGRG2 (Large Scale GRG) permie que sejam resolvidos problemas de grade pore em empo compuacioal saisfaório. A aplicação de um algorimo especializado para Corole Óimo como GRECO [4] deve apresear resulados aida melhores, com covergêcia mais rápida, pois se aproveia a esruura paricular da mariz Jacobiaa das resrições. Seria possível resolver o problema coemplado odos os subsisemas associados simulaeamee (plaa e acagem iermediária). Foi possível observar que o algorimo coverge para um óimo local, mesmo quado iiciado em um poo disae da região de viabilidade em problemas de pequeo e médio pore. Ereao devido à aureza ão covexa do problema é imporae a iiciar a oimização a parir de um schedule viável ou levemee iviável. É recomedado o uso de heurísicas, pois forecem bos 162
12 poos e em cuso compuacioal baixo. A heurísica apreseada o arigo se mosrou eficiee, forecedo schedules viáveis ou levemee iviáveis. O GRG pode ser combiado a méodos de mea-heurísica a busca da solução óima global realizado a eapa de busca local, equao o ouro algorimo faria a busca global pela região de viabilidade. 5. Referêcias [1] Va Aspere, E. e al.: Arrival processes i por modelig: isighs from a case sudy. Erasmus Uiversiy, Roerdam, hp:// [2] Cruz, A.V.A.: Oimização de Plaejameo com Resrições de Precedêcia usado Algorimos Geéicos e Co-Evolução Cooperaiva. Disseração de Mesrado, PUC, Rio de Jaeiro, [3] Ehrlich, P.J.: Pesquisa Operacioal: Curso Iroduório 5ª ed. Alas Ediora, São Paulo, [4] Facó, J.L.D.: A Geeralized Reduced Gradie Algorihm for Solvig Large-scale Discree-ime Noliear Opimal Corol Problems, i Siguerdidjae, H.B. & Berhard, P. (eds.), Corol Applicaios of Noliear programmig ad Opimizaio 1989, IFAC Workshop Series #2, pp.45-50, Pergamo Press, Oxford, [5] Kirk, D.E.: Opimal Corol Theory: A Iroducio. Preice-Hall, Nova York, [6] Leffler, W.L.: Peroleum Refiig i Noechical Laguage, 3rd ed., PeWell, Oaklad, [7] Más, R.: Oimização da Programação de Suprimeo de Peróleo. Disseração de Mesrado, USP, São Paulo, [8] Moro, T.E., & Peico, D.W.: Heurisic Schedulig Sysems wih Applicaios o Producio Sysems ad Projec Maageme. Joh Wiley & Sos, Nova York, [9] Moro, L.F.L., & Pio, J.M.: A Mixed Ieger Model for Shor Term Crude Oil Schedulig. AIChE Aual Naioal Meeig, 241c, Florida, 1998 [10] Piedo, M.: Schedulig Theory, Algorihms, ad Sysems. Preice-Hall, Nova Jersey, [11] Sasiei, M., Yaspa, A., & Friedma, L.: Operaios Research: Mehods ad Problems. Joh Willey & Sos, [12] Simão, L.M.: Oimização da Programação de Produção em Refiarias de Peróleo uilizado Algorimos Geéicos e Co-evolução Cooperaiva, Disseração de Mesrado, PUC, Rio de Jaeiro,
Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij
Prof. Silvio Alexadre de Araujo Problema de Desigiação ou Alocação (Assigme) - Dados agees desigados para realizar arefas - Cada agee j (j=,..,) deve execuar uma e só uma arefa i,.., - Cada arefa i deve
Leia maisESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL
ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL L. S. SANTOS 1, D. M. PRATA 2. 1 Uiversidade Federal do Rio de Jaeiro, Deparameo de Egeharia Química - PEQ COPPE. 2 Uiversidade Federal Flumiese,
Leia maisO MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS.
O ÉTODO VARIACIONAL APLICADO AO PROBLEA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS. Cibele Aparecida Ladeia (PROIC/PIBIC/CNPQ- AF), Paulo Laere Nai (Orieador), e-mail: cibele_ma_uel@yahoo.com.br, pauloai@uel.br.
Leia mais3 Computação de Volumes de Gás Natural
3 Compuação de olumes de Gás Naural 3.1. Codições Para a Compuação de olumes de Gás Naural A orma API 21.1 apresea diversos aspecos relacioados à compuação de volumes obidos a parir da iegração, ao logo
Leia maisExemplo. Exemplo. Taxa Interna de Retorno. Administração
Admiisração Taxa Iera de Reoro Deomia-se Taxa Iera de Reoro (TRI) de um fluxo de caixa à axa de juros que aula o Valor Presee Líquido (VPL). MATEMÁTICA FINANCEIRA Por: EDÉZIO SACRAMENTO edezio@oi.com.br
Leia maisPrevisão de venda. Sistema agroindustrial, (1999);
Objeivos desa apreseação Plaejameo de produção: Previsão de Demada Aula 6 Pare 1 Mauro Osaki TES/ESALQ-USP Pesquisador do Cero de Esudos Avaçados em Ecoomia Aplicada Cepea/ESALQ/USP Foe: 55 19 3429-8841
Leia mais5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico
álise Não-Liear pelos Méodos de Galerki-Urabe e Balaço Harmôico expressão (.7) obida o Capíulo para a fução de Larae é uilizada essa seção para a obeção das equações difereciais de movimeo uilizadas a
Leia maisOpções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão
Opções Reais Esimado Volailidade Mesrado Prof. Luiz Bradão bradao@iag.puc-rio.br IAG PUC-Rio Volailidade Volailidade O Valor Presee V 0 de um aivo é obido descoado-se os seus fluxos de caixa a uma axa
Leia mais5 Modelo Teórico Modelagem determinística
5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee
Leia maisGrupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra
Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a
Leia maisINTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO.
MÓDUO - MODEOS DE PREVISÃO E ESTIMATIVA DE DEMANDA Baseado em Chopra, Suil e Meidl, Peer, Gereciameo da Cadeia de Suprimeos, Preice Hall, São Paulo, 23. Quao se deve fabricar os próximos dias? Quais os
Leia maisSinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the
-4-6 -8 - - -4-6 -8 Frequecy khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy db/hz Sie Wave Joi Acuaor Joi Sesor Revolue
Leia mais- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos
- Processameo digial de siais Capíulo Siais e sisemas discreos Siais discreos Siais aalógicos x digiais Coíuos x discreo Admiido como sequêcia de úmeros. {x[]}, 0, ±, ±,... Z Período amosragem: s Variáveis
Leia maisCombinação de modelos de seleção de processos e dimensionamento de lotes na programação da produção de grãos eletrofundidos.
XXIV Ecoro Nac. de Eg. de Produção - Floriaópolis, SC, Brasil, 03 a 05 de ov de 2004 Combiação de modelos de seleção de processos e dimesioameo de loes a programação da produção de grãos elerofudidos.
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos
Deparameo de Iformáica Disciplia: do Desempeho de Sisemas de Compuação Variável leaória Real Variável leaória x(w) Processos Esocásicos R Prof. Sérgio Colcher Medida de Probabilidade colcher@if.puc-rio.br
Leia maisJuros Compostos 2016
Juros Composos 2016 1. (G1 - ifal 2016) Em 2000, cero país da América Laia pediu um emprésimo de 1 milhão de dólares ao FMI (Fudo Moeário Ieracioal) para pagar em 100 aos. Porém, por problemas políicos
Leia maisLista de Exponenciais e Logaritmos Extensivo Alfa Professor: Leandro (Pinda)
Lisa de Expoeciais e Logarimos Exesivo Alfa Professor: Leadro (Pida) 1. (Eem 2017) Para realizar a viagem dos sohos, uma pessoa precisava fazer um emprésimo o valor de R$ 5.000,00. Para pagar as presações,
Leia maisFaculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016
aculdade de Egeharia Aálise Maemáica 2 MEEC 25/26 ucioameo aculdade de Egeharia Teórico-práicas exposição e discussão da maéria resolução de exercícios Trabalho exra-aula resolução dos exercícios proposos
Leia mais1 a Lista: MTM146: Prof. Paulo Magalhães:
Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( ) x() ) ), f saisfazedo x( f ( ) d f ( ) cos( ) d f ( ) cos( ) d f ( ), é dada por Exercício : Resolva o seguie
Leia maisECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis
ECONOMIA DOS RECURSOS NATURAIS A gesão dos recursos aurais recursos reováveis Recursos biológicos Os recursos biológicos diferem dos recursos ão reováveis o seido em que aqueles crescem e se reproduzem
Leia maisCritérios para a Apuração dos Preços de Ajuste Março 2009.
Criérios para a Apuração dos Preços de Ajuse Março 2009. Iformamos os procedimeos a serem aplicados durae o mês de março de 2009 para a apuração dos preços de ajuses diários dos coraos derivaivos fiaceiros
Leia maisCritérios para a Apuração dos Preços de Ajuste Fevereiro 2009.
Criérios para a Apuração dos Preços de Ajuse Fevereiro 2009. Iformamos os procedimeos a serem aplicados durae o mês de fevereiro de 2009 para a apuração dos preços de ajuses diários dos coraos derivaivos
Leia maisANÁLISE DE SINAIS E SISTEMAS
ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;
Leia mais4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.
MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Méodo de Difereças Fiias Aplicado às Equações Difereciais Parciais. 4.- Aproximação de Fuções. 4..- Aproximação por Poliômios. 4..- Ajuse de Dados:
Leia maisSinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with
-4-6 -8 - - -4-6 -8-3 -3 Frequecy (khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy (db/hz Sie Wave Joi Acuaor Joi Sesor
Leia maisCritérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009
Criérios para a Apuração dos Preços de Ajuse e Prêmios das Opções de Compra e de Veda Maio 2009 Iformamos os procedimeos a serem aplicados durae o mês de maio de 2009 para a apuração dos preços de ajuses
Leia maisSecção 7. Sistemas de equações diferenciais.
7. Sisemas de equações difereciais Secção 7. Sisemas de equações difereciais. (Farlow: Sec. 6., 6.4 e 6.6) No caso geral, um sisema de equações difereciais de primeira ordem pode ser represeado da seguie
Leia maisquanto maior a diferença de energia entre 2 níveis, mais provável fica a emissão espontânea em relação à estimulada. Vemos também que: A
Vimos a aula passada os coeficiees de Eisei: Com B B e A B A 8 B hv c ρ( v) A B B quao maior a difereça de eergia ere íveis, mais provável fica a emissão espoâea em relação à esimulada. Vemos ambém que:
Leia maisMAGISTÉRIO MATEMÁTICA
PROVA DE CONHECIMENTOS ESPECÍFICOS CONCURSO DE ADMISSÃO 0 ao CFO/QC - 0 PAG -6 4 Aalise as afirmaivas a seguir, colocado ere parêeses a lera V quado se raar de proposição verdadeira e a lera F quado se
Leia mais1 a Lista: MTM146: Prof. Paulo Magalhães:
a Lisa: MTM46: Prof Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( x(, f saisfazedo f (, é dada por x( f ( d Exercício : Resolva o seguie y
Leia maisUma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.
Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada
Leia mais4 Método dos elementos distintos para simular rochas
4 Méodo dos elemeos disios para simular rochas Em 2004, Poyody e Cudall (56) propuseram um modelo para simular o comporameo de rochas, o BPM ( Boded Paricle Model for rock ). Nesse modelo, a rocha é modelada
Leia maisInstituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42
Isiuo Tecológico de Aeroáuica VIBRAÇÕES MECÂNICAS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS DISCRETOS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS COM UM GRAU DE LIBERDADE: VIBRAÇÃO FORÇADA MPD-4 3
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 maisFaculdades Adamantinenses Integradas (FAI)
Faculdades Adamaieses Iegradas (FAI) www.fai.com.br ROCHA, Naiara Chierici; BOTTA, Vaessa. Diâmica populacioal aplicada à população de Adamaia. Omia Exaas, v.2,.2, p.56-65, 2009. DINÂMICA POPULACIONAL
Leia maisDisciplina de Princípios de Telecomunicações Prof. MC. Leonardo Gonsioroski da Silva
UNIVERSIDADE GAMA FILHO PROCE DEPARAMENO DE ENGENHARIA ELÉRICA Disciplia de Pricípios de elecomuicações Pro. MC. Leoardo Gosioroski da Silva Séries e rasormadas de Fourier Aálise de um sial seoidal o empo
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada
PUCPR- Poifícia Uiversidade Caóica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformáica Apicada LIMIARIZAÇÃO IMODAL DE OSU Resumo: Ese arigo descreve a eoria do Agorimo de Limiarização imoda de Osu assim
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
éodos méricos SISTEMS DE EQUÇÕES LINERES (Coiação) Prof. Erivelo Geraldo Nepomceo PROGRM DE PÓS-GRDUÇÃO EM ENGENHRI ELÉTRIC UNIVERSIDDE DE JOÃO DEL-REI PRÓ-REITORI DE PESQUIS CENTRO FEDERL DE EDUCÇÃO TECNOLÓGIC
Leia maisMétodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)
Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla
Leia maisMOSFET: O MOSFET canal p e a Resistência de Saída Aula 3
MOSFET: O MOSFET caal p e a Resisêcia de Saída Aula 3 49 Aula Maéria Cap./págia ª 03/08 Elerôica PS33 Programação para a Primeira Prova Esruura e operação dos rasisores de efeio de campo caal, caracerísicas
Leia maisINTRODUÇÃO ÀS FINANÇAS
INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Mii-Tese II Daa de realização: 17 de maio de 2014 Duração: 75 miuos Nome: Nº de aluo: Turma: CLASSIFICAÇÃO GRUPO 1 GRUPO 2 GRUPO 3 TOTAL Aee as seguies idicações:
Leia maisUm estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação
Um esudo de simulação sobre a esimação do desvio padrão de processos a preseça de causas especiais de variação Márcio Aôio Couo Ferreira (UFAM) macouo@ufam.edu.br José Raimudo Gomes Pereira (UFAM) jrpereira@ufam.edu.br
Leia maisVirgílio Mendonça da Costa e Silva
UNIVERSIDADE EDERAL DA PARAÍBA CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA MECÂNICA VIBRAÇÕES DOS SISTEMAS MECÂNICOS VIBRAÇÕES ORÇADAS NÃO HARMONICAMENTE DE SISTEMAS DE 1 GL NOTAS DE AULAS Virgílio
Leia maisDimensionamento Econômico de Sistemas de Distribuição de Água, Considerando Variáveis as Condições de Contorno do Projeto
RBRH Revisa Brasileira de Recursos Hídricos Volume.2 Abr/Ju 2006, 99-0 Dimesioameo Ecoômico de Sisemas de Disribuição de Água, Cosiderado Variáveis as Codições de Cooro do Projeo Heber Pimeel Gomes Uiversidade
Leia maisUso da Simulação de Monte Carlo e da Curva de Gatilho na Avaliação de Opções de Venda Americanas
J.G. Casro e al. / Ivesigação Operacioal, 27 (2007 67-83 67 Uso da imulação de Moe Carlo e da Curva de Gailho a Avaliação de Opções de Veda Americaas Javier Guiérrez Casro Tara K. Nada Baidya Ferado A.
Leia maisCapítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo
Capíulo 3 SLITs Siseas Lieares e Ivariaes o Tepo 3. Irodução 3.2 Repreação e odelo de esado 3.3 Siseas SISO 3.4 Siseas MIMO uli-diesioais 3.5 Modelo de espaço de esados coíuos 3.6 Resposa ipulsiva e covolução
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 maisAPLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS
45 APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS Péricles César de Araújo* RESUMO A simplicidade meodológica do Filro de Kalma viabiliza sua aplicação para
Leia maisINTRODUÇÃO ÀS FINANÇAS
INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Mii -Tese II Daa de realização: 18 de maio de 2013 Duração: 90 miuos Nome: Nº de aluo: Turma: CLASSIFICAÇÃO GRUPO 1 GRUPO 2 GRUPO 3 TOTAL Aee as seguies idicações:
Leia maisMOMENTOS E FUNÇÕES GERADORAS
MOMENTOS E FUNÇÕES GERADORAS HÉLIO BERNARDO LOPES Resumo. O presee exo visa mosrar, de um modo ão uificado quao possível, a emáica dos momeos e das fuções geradoras, esas úlimas muio ausees, aualmee, das
Leia maisExercícios de Análise de Sinal
Exercícios de Aálise de Sial Faculdade de Egeharia da Uiversidade do Poro Seembro 006 recolha de problemas de diversos auores edição feia por: H. Mirada, J. Barbosa (000) M. I. Carvalho, A. Maos (003,006)
Leia maisUniversidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior
Uiversidade ecológica Federal do Paraá Deparameo de Elerôica Disciplia: eoria da Iformação Professor: Dyso Pereira Juior ZONA DE IMPECIÃO NÍVEI APOXIMAÇÃO DO VALO UPEIO APOXIMAÇÃO DO VALO INFEIO 5.4 Capacidade
Leia maisInstituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42
VIBRAÇÕES MECÂNICAS . Irodução CONTEÚDO. Pequeas oscilações em oro de uma posição de equilíbrio Sisemas discreos: 3. Sisemas com um grau de liberdade 4. Sisemas com graus de liberdade modos ormais de vibração
Leia maisSinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with
-4-6 -8-0 - -4-6 -8-30 -3 Frequec Hz Hammig aiser Chebshev Faculdade de Egeharia iais e isemas Power pecral Desi Ev B F C C B F C Groud Revolue Bod Revolue Bod Power/frequec db/hz ie Wave Joi Acuaor Joi
Leia maisCapítulo 5 Difusão em regime transiente
Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB 8//7 Trasf. de assa - ENG 54, apíulo 5 Trasferêcia de assa ENG 54 apíulo 5 Difusão em regime rasiee Prof.
Leia maisAPLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES
APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES ABNER ROCHA PINHEIRO (UNIFOR ) aberocha@homail.com Ferado Luiz Emereciao Viaa (UNIFOR ) fleviaa@oi.com.br Eduardo Alecar Lima Casro
Leia maisNome: Nº de aluno: Turma: Licenciatura: Assinale o tipo de prova que realiza. Classificação
INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Frequêcia/Exame 1ª Época Daa de realização: 29 de Maio de 2008 Duração: 120 miuos Nome: Nº de aluo: Turma: Liceciaura: Assiale o ipo de prova que realiza Frequêcia
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 mais4 - ANÁLISE DE SÉRIES TEMPORAIS
INE 7001 Aálise de Séries Temporais 1 4 - ANÁLISE DE SÉRIES TEMPORAIS Série Temporal é um cojuo de observações sobre uma variável, ordeado o empo, e regisrado em períodos regulares. Podemos eumerar os
Leia maisModelo de Uso da Terra para a Agropecuária Brasileira. (Brazilian Land Use Model) BLUM
Isiuo de Esudos do Comércio e Negociações Ieracioais Modelo de Uso da erra para a Agropecuária Brasileira (Brazilia Lad Use Model) BLUM BLUM é um modelo ecoômico diâmico de equilíbrio parcial, muli-regioal
Leia maisUma Contribuição Para o Estudo de Tensões Induzidas em Equipamentos e Linhas de Distribuição
Uma Coribuição Para o Esudo de Tesões Iduzidas em Equipameos e Lihas de Disribuição I. N. da Silva, UNESP*, J. Marcodes**, A. N. de Souza* e N. R. Saos**; * UNESP/Bauru, ** Badeirae Eergia SA Proeção RESUMO
Leia maisElectrónica /2007
006/007 EUP/EEC 4º/MEEC íor Grade avares ula 9: Modelos dos MOSE Sumário Regiões de fucioameo do MOSE. cumulação. epleção. versão fraca. versão fore. Modelos de MOSE. Modelo lamiar. Modelo iversão, moderada
Leia maisDiferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@a a.ufrgs..ufrgs.br hp://www.ufrgs. ://www.ufrgs.br br/~viali/ Depedees Idepedees Tese para aosras eparelhadas Variâcias Cohecidas Variâcias Descohecidas Tese z uposas iguais
Leia maisIntrodução à análise e ao processamento de sinais usando o MATLAB. Parte 1 RUBENS SAMPAIO ROBERTO RIQUELME EDSON CATALDO XXI CNMAC
Irodução à aálise e ao processameo de siais usado o MALAB RUBENS SAMPAIO EDSON CAALDO ROBERO RIQUELME Pare SINAIS E SISEMAS SINAIS - São variáveis que carregam iormação SISEMAS - Processam siais de erada
Leia maisLISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO
LISTA DE EXERCÍCIOS 3 INE 700 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO ) A que compoees de uma série emporal (pelo modelo clássico) esariam pricipalmee associados cada um dos seguies
Leia maisSistemas de Controle I
4. Repoa o Domíio do Tempo Pólo, Zero e Repoa do Siema: Defiiçõe Siema de Corole I Repoa do iema: oma da repoa forçada repoa aural. Repoa forçada é ambém chamada de repoa eacioária ou olução paricular;.
Leia maisOTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO HARMÔNICO
UNIVERSIDADE DE BRASÍLIA FACULDADE DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA ELÉTRICA OTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO
Leia mais( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85.
MATEMÁTICA VOLUME RESOLUÇÕES - EXERCITANDO EM CASA AULA. D Escrevedo a lei de T a forma caôica, vem T(h) = h + h 8 = (h h + 8) = [(h ) 6] = 6 (h ). Assim, a emperaura máxima é 6 C, ocorredo às horas. Tal
Leia maisExercícios de Análise de Sinal
Exercícios de Aálise de Sial FEUP DEEC Seembro 008 recolha de problemas de diversos auores edição feia por: H. Mirada, J. Barbosa (000) M.I. Carvalho, A. Maos (003, 006, 008) Coeúdo Complexos 3 Siais 5
Leia mais1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em
PROVA ESCRITA DE MATEMÁTICA A.º E 00 Fevereiro 8 Duração da prova: 90 miuos VERSÃO Grupo I Para cada uma das cico quesões dese grupo, seleccioe a resposa correca de ere as aleraivas que lhe são apreseadas
Leia mais3 Fundamentação Teórica de Modelos Bayesianos de Previsão
37 3 Fudameação Teórica de Modelos Bayesiaos de Previsão 3.. Abordagem Bayesiaa para Esimação A iformação que se em acerca de um parâmero de ieresse θ é crucial a ciêcia esaísica. Se o valor verdadeiro
Leia maisRecursos Gráficos do Software MuPAD no Estudo de Funções
Oicias Recursos Gráicos do Soware MuPAD o Esudo de Fuções Marilaie de Fraga Sa'Aa Alexadre Gaelli Aa Lúcia Maciel 1 - Irodução Dere os coeúdos maemáicos abordados o Esio Médio, as uções êm imporâcia udameal
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Coceio Na Esaísica exise siuações ode os dados de ieresse são obidos e isaes sucessivos de epo (iuo, hora, dia, ês ou ao), ou aida u período coíuo de epo, coo acoece u elerocardiograa ou sisógrafo. Esses
Leia maisA limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As
Capíulo 3 ESTIMAÇÃO ROBUSTA A limiação da meodologia dos MQ coduziu a diversas abordages aleraivas. As écicas de esimação robusa cosiuem uma abordagem à esimação ão depededo de uma disribuição em paricular.
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisINTRODUÇÃO ÀS FINANÇAS
INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Exame 1ª Época Daa de realização: 4 de juho de 2014 Duração: 120 miuos Nome: Nº de aluo: Turma: GRUPO 1 CLASSIFICAÇÃO GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5 TOTAL Aee as
Leia maisII - Síntese de conhecimentos
Capíulo II - Síese de cohecimeos II - Síese de cohecimeos O ciclo hidrológico evolve feómeos complexos cua modelação maemáica exaca se ora impossível, devido à própria aureza dos feómeos e à dificuldade
Leia maisProcessamento Digital de Sinais. Notas de Aula. Amostragem e Reconstrução de Sinais. Amostragem de Sinais
Amosragem de Siais Amosragem de Siais 2 Amosragem de Siais Processameo Digial de Siais Noas de Aula Siais de empo discreo: podem ser obidos a parir de siais de empo coíuo amosragem Amosras de um sial:
Leia maisMETODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS
METODOLOGIA PARA AVALIAÇÃO ECONÔMICA DE INVESTIMENTOS PARA EMPRESAS Valessa Orácio ROCHA 1 Daiae Fracie Moraes GOMES Rogério Cosaio dos Saos MOTA Camila Pires Cremasco GABRIEL² Luís Robero Almeida GABRIEL
Leia maisFiltros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA MESTRADO EM ESTATÍSTICA Filros de Parículas: O Algorimo Resample-Move Aa Flávia Cuperio Pio Orieador: Prof.
Leia maisz 0 0 w = = 1 Grupo A 42. alternativa C det A = Como A é inteiro positivo, então n deve ser par. 43. A comuta com B A B = B A
Resoluções das aividades adicioais Capíulo 6 Grupo A. aleraiva C de A 6 (de A) 8 de A. aleraiva C de A de( A) (de A) de A (de A) de A Como A é ieiro posiivo, eão deve ser par.. A comua com B A B B A y
Leia mais6 Formulação para Análise com Fundação Não-Linear
76 6 Formulação para álise com Fuação ão-iear 6 Fuação Elásica ão-iear Uma caracerísica usualmee ecoraa as uações reais é o seu comporameo ão-liear exibio um gaho ou pera a rigiez uao submeias a graes
Leia maisANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T
ISSN 18095860 ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAST Nívea Mara Pereira Alves 1 & Aoio Alves Dias 2 Resumo Nese rabalho é esudada uma variação do sisema esruural
Leia maisMétodos de Amortização
Méodos de Amorização Rui Assis Egeheiro Mecâico IST rassis@rassis.com www.rassis.com Fevereiro de 2006 Reviso em Seembro de 20 Méodos de Amorização Irodução Na perspeciva coabilísica, a amorização referese
Leia mais5 Regras de Política Monetária
68 5 egras de Políica Moeária Viu-se o capíulo aerior como muda a resposa óima da ecoomia a choques eógeos, quado se impõe que o govero faça variar a aação disorciva para cobrir pare do efeio das fluuações
Leia maisSTARTUP TIMES IN VISCOELASTIC CHANNEL FLOW
Cogreso de Méodos Numéricos e Igeiería 9 Barceloa, 9 juio al de julio 9 EMNI, España 9 TARTUP TIME IN VICOELATIC CHANNEL FLOW Amílcar I.P. Mirada 1 e Paulo J. Oliveira * 1: Deparameo de Maemáica Uiversidade
Leia mais3 Derivação dos modelos
3 Derivação dos modelos Ese capíulo apresea a derivação de odos os modelos que serão aalisados. Basicamee serão desevolvidos rês casos disios. Deses casos serão exraídos os modelos que serão esudados esa
Leia maisPROPRIEDADES GEOMÉTRICAS DO PROBLEMA DE DOIS NÍVEIS LINEAR-QUADRÁTICO
PROPRIEDADES GEOMÉTRICAS DO PROBLEMA DE DOIS NÍVEIS LINEAR-QUADRÁTICO Kel D. Villacora V. Uiversidade Federal do Rio de Jaeiro Cidade Uiversiária, Cero de Tecologia, Bloco H, Rio de Jaeiro, RJ keldvv@cos.ufrj.br
Leia maisDepartamento de Economia, FEA/USP Macroeconomia II 2º/2015 Mauro Rodrigues Primeira Lista de Exercícios - Solução
Deparameo de Ecoomia, FEA/USP Macroecoomia II 2º/205 Mauro Rodriue Primeira Lia de Exercício - Solução. Joe, cap.4, exercício. Ver arquivo com plailha. 2. Coidere uma ecoomia a qual a fução de produção
Leia maisMÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP
MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP ANÁLISE DE SÉRIES TEMPORAIS Referêcias Básicas : I) ALGORITMOS
Leia mais28/11/2016. Renda Variável. Mercado Financeiro I RCC Ações a Vista. Agenda da Aula Mercado de Ações. Ações.
Carlos R. Godoy 1 Uiversidade de São Paulo Carlos R. Godoy Mercado Fiaceiro I RCC 0407 2 Faculdade de Ecoomia, Admiisração e Coabilidade Ribeirão Preo Mercado Fiaceiro I RCC 0407 Reda Variável a Visa Aula
Leia maisDESENVOLVIMENTO DE UM GERADOR DE TRAJETÓRIAS PARA UM ROBÔ INDUSTRIAL SCARA
DESENVOLVIMENTO DE UM GERADOR DE TRAJETÓRIAS ARA UM ROBÔ INDUSTRIAL SCARA Julio Feller Goli Raul Gueher Uiversidade Federal de Saa Caaria Deparameo de Egeharia Mecâica CE 884-9 Campus Uiversiário Floriaópolis
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 maisFUNDO DE COMÉRCIO * Pedro Schubert
FUNDO DE COMÉRCIO * Pedro Schuber Esa maéria que ão em bibliografia e o seu coceio o ambiee coábil refere-se aos bes iagíveis e os auores ficam com os ies iagíveis possíveis de serem regisrados pela coabilidade
Leia maisCT-234. Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Aálise de Algoritmos e Complexidade Estrutural Carlos Alberto Aloso Saches CT-234 5) Ordeação Resoluções simples, Lower boud, MergeSort, RadixSort Algus algoritmos de ordeação
Leia maisSEQUÊNCIA GENERALIZADA DE FIBONACCI E RELAÇÕES COM O NÚMERO ÁUREO
Fracisco Regis Vieira Alves Seuêcia geeralizada de Fiboacci e relações com o úmero áureo 30 SEQUÊNCIA GENERALIZADA DE FIBONACCI E RELAÇÕES COM O NÚMERO ÁUREO Fracisco Regis Vieira Alves Isiuo Federal de
Leia maisANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T
MADEIRA arquieura e egeharia ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAST Volar º 6 arigo 3 Resumo Nívea Mara Pereira Alves 1 & Aoio Alves Dias 2 Nese rabalho é esudada
Leia mais3 Mecânica da Fratura Computacional
34 3 Mecâica da Fraura Compuacioal No capíulo aerior, foram apreseados coceios da Mecâica da Fraura Liear Elásica juamee com os correspodees campos de esão e de deslocameo para as vizihaças da poa da rica.
Leia maisINTRODUÇÃO ÀS FINANÇAS
INTRODUÇÃO ÀS FINANÇAS Tipo de Prova: Exame 1ª Época Daa de realização: 30 de maio de 2013 Duração: 120 miuos Nome: Nº de aluo: Turma: Classificação Aee as seguies idicações: A prova pode ser realizada
Leia mais